A Search Method for Optimal Band Combination of Hyperspectral Imagery Based on Two Layers Selection Strategy

Table 5

Kappa coefficients of algorithms under different conditions.

Algorithm		Data set
		Kappa coefficient
		Indian pines		PaviaU		Salinas
		SVM	KNN	SVM	KNN	SVM	KNN
MVPCA	m = 12	0.723	0.708	0.782	0.796	0.77	0.762
	m = 18	0.771	0.756	0.846	0.853	0.853	0.867
	m = 24	0.806	0.782	0.873	0.872	0.893	0.901
WaLuDi	m = 12	0.714	0.702	0.824	0.829	0.816	0.814
	m = 18	0.787	0.771	0.881	0.867	0.875	0.86
	m = 24	0.821	0.804	0.918	0.89	0.91	0.893
DBSCAN	m = 12	0.726	0.71	0.797	0.784	0.813	0.806
	m = 18	0.783	0.773	0.872	0.861	0.878	0.88
	m = 24	0.822	0.818	0.905	0.903	0.911	0.917
FDPC	m = 12	0.72	0.732	0.804	0.796	0.822	0.808
	m = 18	0.782	0.797	0.852	0.865	0.885	0.86
	m = 24	0.817	0.83	0.897	0.902	0.907	0.902
LP	m = 12	0.716	0.704	0.803	0.78	0.797	0.804
	m = 18	0.768	0.76	0.854	0.841	0.853	0.86
	m = 24	0.811	0.797	0.87	0.882	0.88	0.894
ISSC	m = 12	0.736	0.715	0.845	0.84	0.833	0.838
	m = 18	0.792	0.773	0.893	0.903	0.887	0.891
	m = 24	0.83	0.81	0.921	0.926	0.92	0.923
TLS	m = 12	0.738	0.751	0.853	0.834	0.846	0.848
	m = 18	0.803	0.822	0.905	0.897	0.89	0.904
	m = 24	0.842	0.853	0.927	0.924	0.918	0.93