计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2012年
6期
240-243
,共4页
遥感图像分类%数据挖掘%图像特征
遙感圖像分類%數據挖掘%圖像特徵
요감도상분류%수거알굴%도상특정
研究遥感图像分类精度问题,遥感图像分类根据图像特征进行分类,然而其特征维数相当高且信息冗余严重,分类器不能降低特征维数,导致分类器计算量大,图像分类效率和正确率低.利用主成分分析(PCA)降维特征维数的优点,提出一种基于PCA - SVM的遥感图像分类方法.PCA - SVM算法首先采用LBP算子提取遥感图像特征,然后采用PCA对遥感图像特征进行降维处理,减少特征维数并消除特征冗余信息,获得对分类结果贡献大的特征,最后采用SVM进行遥感图像分类.仿真结果表明,PCA - SVM提高了遥感图像分类效率和正确率.
研究遙感圖像分類精度問題,遙感圖像分類根據圖像特徵進行分類,然而其特徵維數相噹高且信息冗餘嚴重,分類器不能降低特徵維數,導緻分類器計算量大,圖像分類效率和正確率低.利用主成分分析(PCA)降維特徵維數的優點,提齣一種基于PCA - SVM的遙感圖像分類方法.PCA - SVM算法首先採用LBP算子提取遙感圖像特徵,然後採用PCA對遙感圖像特徵進行降維處理,減少特徵維數併消除特徵冗餘信息,穫得對分類結果貢獻大的特徵,最後採用SVM進行遙感圖像分類.倣真結果錶明,PCA - SVM提高瞭遙感圖像分類效率和正確率.
연구요감도상분류정도문제,요감도상분류근거도상특정진행분류,연이기특정유수상당고차신식용여엄중,분류기불능강저특정유수,도치분류기계산량대,도상분류효솔화정학솔저.이용주성분분석(PCA)강유특정유수적우점,제출일충기우PCA - SVM적요감도상분류방법.PCA - SVM산법수선채용LBP산자제취요감도상특정,연후채용PCA대요감도상특정진행강유처리,감소특정유수병소제특정용여신식,획득대분류결과공헌대적특정,최후채용SVM진행요감도상분류.방진결과표명,PCA - SVM제고료요감도상분류효솔화정학솔.
