自品应核对高光谱异常检测算法有什么提高

通过核方法的引入，构造的非线性高光谱异常检测算法。在充分挖掘高光谱数据在量段间存在的非线性信息基础上，大大提高了原线性算法的检测性能。在众多的基于核方法的高光谱异常检测算法中（如核RX算法、KPCA算法、核Fisher分离算法等），核函数大多选泽高斯径向基核函数，这是由高斯径向基核函数良好的通用性，以及其函数的转移不变性所决定的。高斯径向基核函数的核参数选择恰当与否是决定算法性能的重要因素，在核方法的检检算法中，该参数大多以大量实验的方式进行人工选择，这不仅降低了算法的通用性，单据加了检测的工作量。由于异常检测采用局部检测模型，统一的全局检测参数很难适应复参多变的背景环境，这就使得检测器在复杂背景下的检测性能下降。为此将通过构造高质司基核函数的宽度因子计算模型，对核参数进行自适应估计，以形成基于核方法的自适应高责普异常检测算法。基于SVDD的异常目标检测算法，该方法避免了器过程中协方差矩阵的求逆运算，相对于核RX算法，在算法的运算速度上有所提高。