农业系统科学与综合研究
農業繫統科學與綜閤研究
농업계통과학여종합연구
SYSTEM SCIENCES AND COMPREHENSIVE STUDIES IN AGRICULTURE
2009年
2期
204-207
,共4页
支持向量机(SVM)%高光谱遥感%精度分析
支持嚮量機(SVM)%高光譜遙感%精度分析
지지향량궤(SVM)%고광보요감%정도분석
在分析传统统计模式识别分类方法分类精度不高的现状的基础上,以OMIS-I影像为例,采用基于支持向量机的方法对延河流域枣园地区植被信息进行提取,取得了很好的实验结果.与传统的最大似然分类提取方法相比,基于支持向量机的方法提取精度达90.50%,Kappa系数也超过了0.87,比单纯的最大似然分类方法提取精度高得多,而且该方法具有很强的操作性和实用性.图6,表2,参6.
在分析傳統統計模式識彆分類方法分類精度不高的現狀的基礎上,以OMIS-I影像為例,採用基于支持嚮量機的方法對延河流域棘園地區植被信息進行提取,取得瞭很好的實驗結果.與傳統的最大似然分類提取方法相比,基于支持嚮量機的方法提取精度達90.50%,Kappa繫數也超過瞭0.87,比單純的最大似然分類方法提取精度高得多,而且該方法具有很彊的操作性和實用性.圖6,錶2,參6.
재분석전통통계모식식별분류방법분류정도불고적현상적기출상,이OMIS-I영상위례,채용기우지지향량궤적방법대연하류역조완지구식피신식진행제취,취득료흔호적실험결과.여전통적최대사연분류제취방법상비,기우지지향량궤적방법제취정도체90.50%,Kappa계수야초과료0.87,비단순적최대사연분류방법제취정도고득다,이차해방법구유흔강적조작성화실용성.도6,표2,삼6.
