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). |
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