技术特征：
技术总结
目前有许多的算法用于解决高光谱图像分类问题，比如支持向量机，k近邻法，奇异谱分析，主成分分析法和利用光谱信息和空间信息进行高光谱图像分类等等，然而在高光谱图像分类问题上还是存在许多的挑战，比如高光谱的每个像素点的数据结构非常复杂，数据维度非常大，在有限的样本情况下实现高精度的分类和在时间耗费比较少的时间要寻找最优的参数显的非常困难，因此，本发明提出了一种基于超限学习机和置信度传播的高光谱图像分类的算法，提供一种既能提高高光谱图像的分类精度，又能保持比较少的时间的耗费寻找最优的参数的算法，并且本发明不仅利用高光谱数据的光谱信息，又利用它的空间信息进行高精度的分类。
技术研发人员：曹发贤;杨志景;蒋梦莹;陈尉钊;李特权;凌永权;蔡念
受保护的技术使用者：广东工业大学
技术研发日：2017.03.17
技术公布日：2017.09.05