基于AP聚类的高光谱波段选取

简介：
本研究提出一种基于Affinity Propagation（AP）聚类算法的高光谱波段选择方法，有效减少数据维度同时保持分类性能。 波段选择在降维的同时能够保留高光谱数据的物理意义，在很多方面具有应用价值。近邻传播（AP）算法根据数据点之间的相关性进行聚类，并将所有数据点视为潜在的聚类中心。本段落提出了一种基于AP聚类的波段选择方法，利用光谱信息散度和光谱相关角（SID-SCA）与光谱信息散度和光谱梯度角（SID-SGA）改进了AP算法中相似度的计算方式。将降维后的结果输入支持向量机（SVM）分类器进行分类，并通过Indiana Pines数据集验证其准确性。实验结果显示，所提方法能够更好地提取波段信息并提高分类精度。