基于OLI影像多参数设置的SVM分类研究

	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.