科技视界
科技視界
과기시계
Science&Technology Vision
2012年
17期
64-66
,共3页
高光谱%端元%支撑向量机(SVM)
高光譜%耑元%支撐嚮量機(SVM)
고광보%단원%지탱향량궤(SVM)
本文在SMACC法和PPI法端元提取基础上,得到高光谱遥感影像端元丰度图,之后用SVM法进行分类.通过分类结果精度来评价端元提取的优劣.实验结果表明,基于PPI的线性混合像元分解得到的丰度图用SVM分类效果最佳,整体精度达87.59％,而基于SMACC法结合SVM分类的效果和直接应用SVM分类次之,整体精度分别是83.84％和85.16％.
本文在SMACC法和PPI法耑元提取基礎上,得到高光譜遙感影像耑元豐度圖,之後用SVM法進行分類.通過分類結果精度來評價耑元提取的優劣.實驗結果錶明,基于PPI的線性混閤像元分解得到的豐度圖用SVM分類效果最佳,整體精度達87.59％,而基于SMACC法結閤SVM分類的效果和直接應用SVM分類次之,整體精度分彆是83.84％和85.16％.
본문재SMACC법화PPI법단원제취기출상,득도고광보요감영상단원봉도도,지후용SVM법진행분류.통과분류결과정도래평개단원제취적우렬.실험결과표명,기우PPI적선성혼합상원분해득도적봉도도용SVM분류효과최가,정체정도체87.59％,이기우SMACC법결합SVM분류적효과화직접응용SVM분류차지,정체정도분별시83.84％화85.16％.
