基于OLI影像多参数设置的SVM分类研究 | |
高燕1; 周成虎1; 苏奋振1 | |
2014 | |
关键词 | 支持向量机 核函数 机器学习 分类 OLI影像 多特征 |
ISSN号 | 1006-7949 |
摘要 | 在遥感影像自动分类中仅使用光谱特征很难产生正确的分类,OLI影像是波段数较多的多光谱影像,如果增加纹理、几何等多种特征以提高分类精度,就会使得特征的维度很高。支持向量机善于解决小样本、非线性和高维的影像分类问题,但是核函数和参数的设置只能依靠实验来获得。文中在OLI影像中提取了23个特征,逐个测试核函数和参数值对分类结果的影响。研究的主要结论如下:RBF核的支持向量机分类精度最高,Sigmoid核支持向量机分类精度最低;核函数的选择对分类精度的影响最大;核函数和参数值的变化不会影响重要特征的使用,3种核的支持向量机分类所使用的重要特征基本一致。 |
出处 | 测绘工程 |
期 | 6页:1-5+10 |
收录类别 | 其他 |
语种 | 中文 |
内容类型 | 中文期刊论文 |
源URL | [http://ir.igsnrr.ac.cn/handle/311030/40397] |
专题 | 地理科学与资源研究所_历年回溯文献 |
作者单位 | 1.信息工程大学地理空间信息学院 2.中国科学院地理科学与资源研究所 3.中国天绘卫星中心 4.中国南海研究协同创新中心 |
推荐引用方式 GB/T 7714 | 高燕,周成虎,苏奋振. 基于OLI影像多参数设置的SVM分类研究. 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