基于模糊隶属度的多核SVR遥感水深融合探测 | |
王锦锦1; 马毅2; 张靖宇2 | |
刊名 | 海洋环境科学
![]() |
2018 | |
卷号 | 37期号:1页码:130-136 |
关键词 | 水深遥感探测 多核SVR 模糊隶属度 决策融合 |
ISSN号 | 1007-6336 |
其他题名 | Multiple kernel support vector regression based on fuzzy membership for remote sensing water depth fusion detection |
英文摘要 | 遥感是海岸带浅海和岛礁周边水深探测的重要手段,支持向量回归(SVR)是广泛应用于数据回归的机器学习模型。本文将SVR引入多光谱遥感水深探测,针对单核SVR模型在浅水区水深反演中误差较大的问题,以单核SVR模型反演不同水深段的模糊隶属度作为决策融合因子,提出了基于模糊隶属度的多核SVR遥感水深融合探测方法,并以我国西沙群岛中的北岛为实验区,与单核SVR模型和传统的对数线性水深遥感模型开展对比实验。实验结果表明: 1)基于模糊隶属度的多核SVR融合模型在25 m以浅的水域,平均绝对误差0.99 m,平均相对误差8.2%; 2)融合模型的平均相对误差分别比以RBF、Sigmoid、多项式、线性为核函数的四种单核SVR模型提高了1.7%、4%、4.4%、4.8%,比对数线性模型提高了5.5%; 3)对于不同水深段,多核SVR融合模型在0 ~ 15 m的3个水深段内平均相对误差比四种单核SVR模型提高了0.7%至54.9%不等,在0 ~ 25 m的5个水深段内比对数线性模型提高了1.1%至20.4%不等。 |
学科主题 | Environmental Sciences & Ecology (Provided By Clarivate Analytics) |
WOS研究方向 | Environmental Sciences & Ecology |
语种 | 中文 |
CSCD记录号 | CSCD:6163401 |
内容类型 | 期刊论文 |
源URL | [http://ir.fio.com.cn/handle/2SI8HI0U/5433] ![]() |
专题 | 业务部门_海洋物理与遥感研究室 |
作者单位 | 1.山东科技大学测绘科学与工程学院;;国家海洋局第一海洋研究所, ;;, 青岛;;青岛, 山东;;山东 266590;;266061, 中国; 2.国家海洋局第一海洋研究所, 青岛, 山东 266061, 中国; 3.College of Geomatics,Shandong University of Science and Technology;;First Institute of Oceanography,State Oceanic Administration, ;;, Qingdao;;Qingdao, ;; 266590;;266061; 4.First Institute of Oceanography,State Oceanic Administration, Qingdao, Shandong 266061, China |
推荐引用方式 GB/T 7714 | 王锦锦,马毅,张靖宇. 基于模糊隶属度的多核SVR遥感水深融合探测[J]. 海洋环境科学,2018,37(1):130-136. |
APA | 王锦锦,马毅,&张靖宇.(2018).基于模糊隶属度的多核SVR遥感水深融合探测.海洋环境科学,37(1),130-136. |
MLA | 王锦锦,et al."基于模糊隶属度的多核SVR遥感水深融合探测".海洋环境科学 37.1(2018):130-136. |
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