利用互信息改进遥感影像朴素贝叶斯网络分类器

陶建斌; 舒宁; 沈照庆

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用互信息改进遥感影像朴素贝叶斯网络分类器

陶建斌, 舒宁, 沈照庆

文章导航 > 武汉大学学报 ( 信息科学版) > 2010 > 35(2): 228-232

陶建斌, 舒宁, 沈照庆. 利用互信息改进遥感影像朴素贝叶斯网络分类器[J]. 武汉大学学报 ( 信息科学版), 2010, 35(2): 228-232.

引用本文:

陶建斌, 舒宁, 沈照庆. 利用互信息改进遥感影像朴素贝叶斯网络分类器[J]. 武汉大学学报 ( 信息科学版), 2010, 35(2): 228-232.

TAO Jianbin, SHU Ning, SHEN Zhaoqing. An Improvement of Naive Bayesian Network Classifier for Remote Sensing Images Based on Mutual Information[J]. Geomatics and Information Science of Wuhan University, 2010, 35(2): 228-232.

Citation:

TAO Jianbin, SHU Ning, SHEN Zhaoqing. An Improvement of Naive Bayesian Network Classifier for Remote Sensing Images Based on Mutual Information[J]. Geomatics and Information Science of Wuhan University, 2010, 35(2): 228-232.

利用互信息改进遥感影像朴素贝叶斯网络分类器

¹武汉大学遥感信息工程学院,武汉市珞喻路129号430079

基金项目: 国家973计划资助项目(2006CB701303)

详细信息

作者简介:
陶建斌,博士生,现主要从事遥感影像智能化解译的研究。

中图分类号: P237.3

An Improvement of Naive Bayesian Network Classifier for Remote Sensing Images Based on Mutual Information

¹School of Remote Sensing and Information Engineering,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家973计划资助项目(2006CB701303)

摘要: 针对朴素贝叶斯网络简单条件独立性假设的不足,将它的一种改进形式——选择型朴素贝叶斯网络和两种扩展形式(树增强型朴素贝叶斯网络、贝叶斯增强型朴素贝叶斯网络)用于多光谱遥感影像的分类中。在分析波段间互信息的基础上,分别构造了上述3种分类器,并和朴素贝叶斯网络分类器的性能进行了比较。
- 互信息 /
- 条件独立性分析 /
- 贝叶斯网络分类器 /
- 遥感影像 /
- 分类
Abstract: This paper proposes an improvement of Naive Bayesian classifier-selective Naive Baysian classifier together with two enhancement of Naive Bayesian classifier-tree Augmented Nave Bayes and Bayes Augmented Nave Bayes.We constructed these classifiers for remote sensing images based on the mutual information between bands,and compared their performance with the NBC.
- mutual information /
- analysis of conditional independence /
- Bayesian network classifier /
- remote sensing images /
- classification

[1]	门计林, 刘越岩, 张斌, 周繁. 多结构卷积神经网络特征级联的高分影像土地利用分类 . 武汉大学学报 ( 信息科学版), 2019, 44(12): 1841-1848. doi: 10.13203/j.whugis20180137
[2]	吴一全, 陶飞翔, 曹照清. 基于Log-Gabor小波和Krawtchouk矩的遥感图像分类 . 武汉大学学报 ( 信息科学版), 2016, 41(7): 861-867. doi: 10.13203/j.whugis20140234
[3]	王艳东, 何奕霖, 杨建思, 李昊. 利用形式概念分析的空间信息服务分类体系融合方法 . 武汉大学学报 ( 信息科学版), 2014, 39(1): 100-105.
[4]	陈科, 王家耀, 成毅, 谢明霞. 利用流形学习进行空间信息服务分类 . 武汉大学学报 ( 信息科学版), 2013, 38(3): 324-328.
[5]	姚娜, 林宗坚, 张景雄, 任超锋. 遥感影像分类后处理的地统计方法 . 武汉大学学报 ( 信息科学版), 2013, 38(1): 15-18.
[6]	张晓贺, 翟亮, 张继贤, 杨享兵. AdaTree算法在遥感影像分类中的应用 . 武汉大学学报 ( 信息科学版), 2013, 38(12): 1460-1464.
[7]	张乐飞, 黄昕, 张良培. 高分辨率遥感影像的支持张量机分类方法 . 武汉大学学报 ( 信息科学版), 2012, 37(3): 314-317.
[8]	郑文武, 曾永年. 利用多分类器集成进行遥感影像分类 . 武汉大学学报 ( 信息科学版), 2011, 36(11): 1290-1293.
[9]	谭琨, 杜培军, 王小美. 利用分离性测度多类支持向量机进行高光谱遥感影像分类 . 武汉大学学报 ( 信息科学版), 2011, 36(2): 171-175.
[10]	陶建斌, 舒宁, 龚龑, 沈照庆. 一种基于高斯混合模型的遥感影像有指导非监督分类方法 . 武汉大学学报 ( 信息科学版), 2010, 35(6): 727-732.
[11]	汪海洪, 岳迎春, 邹贤才, 杨元德. 基于聚类分析的卫星雷达测高波形分类研究 . 武汉大学学报 ( 信息科学版), 2010, 35(7): 833-836.
[12]	管海燕, 邓非, 张剑清, 钟良. 面向对象的航空影像与LiDAR数据融合分类 . 武汉大学学报 ( 信息科学版), 2009, 34(7): 830-833.
[13]	钟燕飞, 张良培, 李平湘. 遥感影像分类中的模糊聚类有效性研究 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 391-394.
[14]	薄树奎, 韩新超, 丁琳. 面向对象影像分类中分割参数的选择 . 武汉大学学报 ( 信息科学版), 2009, 34(5): 514-517.
[15]	黄昕, 张良培. 基于光谱变换与融合的IKONOS多光谱影像分类 . 武汉大学学报 ( 信息科学版), 2007, 32(6): 502-505.
[16]	宋杨, 万幼川, 申绍洪, 陈鹏. 基于傅立叶变换的混合分类模型用于NDVI时序影像分析 . 武汉大学学报 ( 信息科学版), 2007, 32(5): 406-409.
[17]	陈云浩, 冯通, 史培军, 王今飞. 基于面向对象和规则的遥感影像分类研究 . 武汉大学学报 ( 信息科学版), 2006, 31(4): 316-320.
[18]	哈斯巴干, 马建文, 李启青, 戴芹. 多波段遥感数据的自组织神经网络降维分类研究 . 武汉大学学报 ( 信息科学版), 2004, 29(5): 461-465. doi: 10.13203/j.whugis2004.05.019
[19]	贾永红, 李德仁. 多源遥感影像像素级融合分类与决策级分类融合法的研究 . 武汉大学学报 ( 信息科学版), 2001, 26(5): 430-434.
[20]	张景雄. 遥感影像的全模糊监督分类 . 武汉大学学报 ( 信息科学版), 1998, 23(3): 211-214.