CAJ | 학술논문

支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的新型机器学习算法.通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.将支持向量机理论应用到遥感图像分类的研究还处在初级阶段,传统分类算法应用于遥感图像分类存在运算速度慢、精度比较低和难以收敛等问题.从支持向量机基本理论出发,建立了一个基于支持向量机的遥感图像分类器.用遥感图像数据进行实验,并将结果与其它方法的结果进行了比较分析.实验结果表明,利用SVM进行遥感图像分类的精度明显优于神经网络算法和最大似然算法分类精度.
지지향량궤(Support Vector Machine,SVM)시일충기우통계학습이론적신형궤기학습산법.통과해산최우화문제,재고유특정공간중심조최우분류초평면,종이해결복잡수거적분류급회귀문제.장지지향량궤이론응용도요감도상분류적연구환처재초급계단,전통분류산법응용우요감도상분류존재운산속도만、정도비교저화난이수렴등문제.종지지향량궤기본이론출발,건립료일개기우지지향량궤적요감도상분류기.용요감도상수거진행실험,병장결과여기타방법적결과진행료비교분석.실험결과표명,이용SVM진행요감도상분류적정도명현우우신경망락산법화최대사연산법분류정도.