高光谱遥感影像SVM分类中训练样本选择的研究

CORC > 中国矿业大学（徐州）

	高光谱遥感影像SVM分类中训练样本选择的研究
	王晓玲 ; 杜培军 ; 谭琨
刊名	http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=CHKD201103042&dbname=CJFQ2011
	2014-11-07 ; 2014-11-07
关键词	支持向量机(SVM) 最优超平面混合像元遥感分类
中文摘要	支持向量机(SVM)分类的关键是发现分类最优超平面及类别间隔,而混合像元比纯净像元更接近类别边界,更容易找出最优超平面。本文针对SVM分类器的特点,在高光谱数据分类中采用混合像元作为训练样本对SVM进行训练,试验表明采用类别边界上的混合像元作为训练样本是可行的,能够获得与纯净训练样本接近的分类精度,进一步验证了SVM分类对训练样本空间分布依赖度较低的特点。
语种	中文
其他责任者	中国矿业大学测绘与空间信息工程研究所 ; 国土环境与灾害监测国家测绘局重点实验室
内容类型	期刊论文
源URL	[http://ir.calis.edu.cn/hdl/232060/5275]
专题	中国矿业大学（徐州）
推荐引用方式 GB/T 7714	王晓玲,杜培军,谭琨. 高光谱遥感影像SVM分类中训练样本选择的研究[J]. http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=CHKD201103042&dbname=CJFQ2011,2014, 2014.
APA	王晓玲,杜培军,&谭琨.(2014).高光谱遥感影像SVM分类中训练样本选择的研究.http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=CHKD201103042&dbname=CJFQ2011.
MLA	王晓玲,et al."高光谱遥感影像SVM分类中训练样本选择的研究".http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=CHKD201103042&dbname=CJFQ2011 (2014).