摘要：核学习方法是一类广泛用于高光谱图像处理的机器学习方法。提出了一种用于高光谱图像分类的马氏距离多核学习方法。首先将马氏距离度量学习与高斯核函数相结合,利用马氏距离在去除特征之间耦合关系、与量纲无关等方面的优势,构造出马氏基本核,进而将马氏基本核按照线性加权组合成马氏距离多核。该方法利用样本特征和类别信息,通过马氏距离的作用,将高光谱数据映射到一个类内距离更小、类间距离更大的特征空间后再实施分类操作,达到提高分类精度的目的。为了评估所提出的方法,在两个实际的高光谱数据集上进行了实验,并与传统的高斯单核及流行的多核学习方法进行比较。结果表明该方法具有更高的分类精度。

关键词：高光谱图像分类 多核学习 马氏距离度量学习 

单位：哈尔滨工业大学电气工程及自动化学院; 哈尔滨150080