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). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论