国土资源遥感
國土資源遙感
국토자원요감
REMOTE SENSING FOR LAND & RESOURCES
2012年
1期
36-42
,共7页
非参数权重特征提取(NWFE)%支持向量机(SVM)%土地覆被分类
非參數權重特徵提取(NWFE)%支持嚮量機(SVM)%土地覆被分類
비삼수권중특정제취(NWFE)%지지향량궤(SVM)%토지복피분류
为提高土地覆被分类精度,采用非参数权重特征提取(nonparametric weighted feature extraction,NWFE)结合纹理特征的支持向量机(support vector machines,SVM)的分类法,对新疆玛纳斯河流域绿洲区2006年的土地覆被进行分类,并将该方法与主成分分析(principal component analysis,PCA)结合纹理特征的SVM分类、原始波段结合纹理特征的SVM分类进行对比.结果表明,NWFE结合纹理特征的SVM分类结果优于其他2种分类结果,不仅反映了土地覆被分布的整体情况,而且使不同土地覆被类型得到较好的区分,总体分类精度达89.17％.
為提高土地覆被分類精度,採用非參數權重特徵提取(nonparametric weighted feature extraction,NWFE)結閤紋理特徵的支持嚮量機(support vector machines,SVM)的分類法,對新疆瑪納斯河流域綠洲區2006年的土地覆被進行分類,併將該方法與主成分分析(principal component analysis,PCA)結閤紋理特徵的SVM分類、原始波段結閤紋理特徵的SVM分類進行對比.結果錶明,NWFE結閤紋理特徵的SVM分類結果優于其他2種分類結果,不僅反映瞭土地覆被分佈的整體情況,而且使不同土地覆被類型得到較好的區分,總體分類精度達89.17％.
위제고토지복피분류정도,채용비삼수권중특정제취(nonparametric weighted feature extraction,NWFE)결합문리특정적지지향량궤(support vector machines,SVM)적분류법,대신강마납사하류역록주구2006년적토지복피진행분류,병장해방법여주성분분석(principal component analysis,PCA)결합문리특정적SVM분류、원시파단결합문리특정적SVM분류진행대비.결과표명,NWFE결합문리특정적SVM분류결과우우기타2충분류결과,불부반영료토지복피분포적정체정황,이차사불동토지복피류형득도교호적구분,총체분류정도체89.17％.
