计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
4期
4-7
,共4页
全间隔自适应模糊支持向量机%实值遗传算法%遥感图像%分类
全間隔自適應模糊支持嚮量機%實值遺傳算法%遙感圖像%分類
전간격자괄응모호지지향량궤%실치유전산법%요감도상%분류
Total margin-based Adaptive Fuzzy Support Vector Machine(TAFSVM)%real-valued genetic algorithms%remote sensing images%classification
支持向量机已经被成功应用于遥感图像分类.一种新型具有良好特性的支持向量机--全间隔自适应模糊支持向量机被提出.这种新型的支持向量机具有通过训练集的模糊性来增强泛化能力;对不平衡训练集具有自适应性,对正负数据采用不同的损失算法,可以提高正确分类率;通过引进全间隔算法来代替软间隔算法,可以得到更低的泛化误差等优良特性,符合遥感图像数据的内在规律.并且运用实值遗传算法对其进行参数优选,得到一种新的分类器--AGATAFSvM.最后将该分类器应用于遥感图像分类.实验结果表明,该分类器非常适用于遥感图像分类,分类精度和稳定性明显高于径向基神经网络分类器、最近邻分类器和标准支持向量机.
支持嚮量機已經被成功應用于遙感圖像分類.一種新型具有良好特性的支持嚮量機--全間隔自適應模糊支持嚮量機被提齣.這種新型的支持嚮量機具有通過訓練集的模糊性來增彊汎化能力;對不平衡訓練集具有自適應性,對正負數據採用不同的損失算法,可以提高正確分類率;通過引進全間隔算法來代替軟間隔算法,可以得到更低的汎化誤差等優良特性,符閤遙感圖像數據的內在規律.併且運用實值遺傳算法對其進行參數優選,得到一種新的分類器--AGATAFSvM.最後將該分類器應用于遙感圖像分類.實驗結果錶明,該分類器非常適用于遙感圖像分類,分類精度和穩定性明顯高于徑嚮基神經網絡分類器、最近鄰分類器和標準支持嚮量機.
지지향량궤이경피성공응용우요감도상분류.일충신형구유량호특성적지지향량궤--전간격자괄응모호지지향량궤피제출.저충신형적지지향량궤구유통과훈련집적모호성래증강범화능력;대불평형훈련집구유자괄응성,대정부수거채용불동적손실산법,가이제고정학분류솔;통과인진전간격산법래대체연간격산법,가이득도경저적범화오차등우량특성,부합요감도상수거적내재규률.병차운용실치유전산법대기진행삼수우선,득도일충신적분류기--AGATAFSvM.최후장해분류기응용우요감도상분류.실험결과표명,해분류기비상괄용우요감도상분류,분류정도화은정성명현고우경향기신경망락분류기、최근린분류기화표준지지향량궤.
SVM has been successfully employed to solve classification of remote sensing images.Total margin-based Adaptive Fuzzy Support Vector Machine(TAFSVM)which has good quality is proposed.TAFSVM not only solves the overfitting problem resulted from the outliers with the approach of fuzzication of the penalty,but also corrects the skew of the optimal separating hyperplane dut to the very imbalanced data sets by using different cost algorithms.In addition,by introducting the total margin algorithm to replace the conventional soft margin algorithms,a lower generalization error bound can be obtained.Besides,realvalued genetic algorithms optimize its parameters.Subsequently,AGATAFSVM is used to classify the data of remote sensing images.The experimental results indicate that the proposed AGATAFSVM can achieve higher classification accuracy and is stabler than radial basis functions neural network,K-nearest neighbors classifier and standard SVM.
