基于支持向量机的高光谱遥感图像分类 | |
谭琨 ; 杜培军 | |
刊名 | http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=HWYH200802009&dbname=CJFQ2008
![]() |
2014-11-07 ; 2014-11-07 | |
关键词 | 高光谱遥感 支持向量机 分类 |
中文摘要 | 多数传统分类算法应用于高光谱分类都存在运算速度慢、精度比较低和难以收敛等问题.本文从支持向量机基本理论出发建立了一个基于支持向量机的高光谱分类器,并用国产OM IS传感器获得的北京中关村地区高光谱遥感数据进行试验,分析比较了各种SVM核函数进行高光谱分类的精度,以及网格搜寻的方法来确定C和γ的值,结果表明SVM进行高光谱分类时候径向基核函数的分类精度最高,是分类的首选.并且与神经网络径向基分类算法以及常用的最小距离分类算法进行比较,分类的精度远远高于SVM分类算法进行分类的结果.SVM方法在高光谱遥感分类领域能得到广泛的应用. |
语种 | 中文 |
其他责任者 | 中国矿业大学地理信息与遥感科学系 ; 中国矿业大学地理信息与遥感科学系 江苏徐州221116 ; 江苏徐州221116 |
内容类型 | 期刊论文 |
源URL | [http://ir.calis.edu.cn/hdl/232060/5285] ![]() |
专题 | 中国矿业大学(徐州) |
推荐引用方式 GB/T 7714 | 谭琨,杜培军. 基于支持向量机的高光谱遥感图像分类[J]. http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=HWYH200802009&dbname=CJFQ2008,2014, 2014. |
APA | 谭琨,&杜培军.(2014).基于支持向量机的高光谱遥感图像分类.http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=HWYH200802009&dbname=CJFQ2008. |
MLA | 谭琨,et al."基于支持向量机的高光谱遥感图像分类".http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=HWYH200802009&dbname=CJFQ2008 (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