一种用于高光谱遥感影像分类的改进多类支持向量机

CORC > 中国矿业大学（徐州）

	一种用于高光谱遥感影像分类的改进多类支持向量机
	于宁锋 ; 杨化超
刊名	http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=YGXX200705004&dbname=CJFQ2007
	2014-11-07 ; 2014-11-07
关键词	高光谱遥感粒子群优化支持向量机特征提取 SVM
中文摘要	将支持向量机(SVM)用于高光谱遥感影像分类的研究,采用决策边界特征提取(DBFE)算法对高光谱影像进行维数约简,以径向基函数(RBF)作为SVM模型的核函数,把混沌优化搜索技术引入到PSO算法中,以基本PSO算法为主体流程,对种群中最好的粒子进行给定步数的混沌优化搜索,以改进基本PSO算法进化后期收敛速度慢、易陷入局部极小值的缺陷。利用改进的混合粒子群优化算法(PSO)来实现SVM模型参数的自动选择,继而构建了一种参数最优的粒子群优化支持向量机(PSO-SVM)多类分类模型。选用220波段的AVIRIS高光谱遥感影像进行了分类试验。结果表明,与采用基于留一法(LOO)网格搜索策略的传统SVM相比,改进后的PSO-SVM算法可以提高分类精度约8.8%。该方法对于小样本、非均衡条件下的遥感影像数据分类非常有效。
语种	中文
其他责任者	中国矿业大学环境与测绘学院 ; 中国矿业大学环境与测绘学院江苏徐州221008 ; 江苏徐州221008
内容类型	期刊论文
源URL	[http://ir.calis.edu.cn/hdl/232060/6115]
专题	中国矿业大学（徐州）
推荐引用方式 GB/T 7714	于宁锋,杨化超. 一种用于高光谱遥感影像分类的改进多类支持向量机[J]. http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=YGXX200705004&dbname=CJFQ2007,2014, 2014.
APA	于宁锋,&杨化超.(2014).一种用于高光谱遥感影像分类的改进多类支持向量机.http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=YGXX200705004&dbname=CJFQ2007.
MLA	于宁锋,et al."一种用于高光谱遥感影像分类的改进多类支持向量机".http://epub.cnki.net/grid2008/brief/detailj.aspx?filename=YGXX200705004&dbname=CJFQ2007 (2014).