测绘科学
測繪科學
측회과학
SCIENCE OF SURVEYING AND MAPPING
2008年
4期
21-22,7
,共3页
贾萍%李海涛%林卉%顾海燕%韩颜顺
賈萍%李海濤%林卉%顧海燕%韓顏順
가평%리해도%림훼%고해연%한안순
支持向量机%多源影像%最大似然分类%精度评价
支持嚮量機%多源影像%最大似然分類%精度評價
지지향량궤%다원영상%최대사연분류%정도평개
本文通过分析单源遥感影像分类的现状和困难,以SAR和SPOT-5影像为实验数据,提出了基于支持向量机(Support Vector Machine,SVM)理论的多源遥感影像分类方法.研究结果表明,本文的方法能够有效地解决单源影像信息分类效果破碎的问题,正确识别地物,对高维输入向量具有高的推广能力,正确率达到94.97%,比多源影像的最大似然分类(Maximum Likelihood Classification,MLC)方法正确率更高.
本文通過分析單源遙感影像分類的現狀和睏難,以SAR和SPOT-5影像為實驗數據,提齣瞭基于支持嚮量機(Support Vector Machine,SVM)理論的多源遙感影像分類方法.研究結果錶明,本文的方法能夠有效地解決單源影像信息分類效果破碎的問題,正確識彆地物,對高維輸入嚮量具有高的推廣能力,正確率達到94.97%,比多源影像的最大似然分類(Maximum Likelihood Classification,MLC)方法正確率更高.
본문통과분석단원요감영상분류적현상화곤난,이SAR화SPOT-5영상위실험수거,제출료기우지지향량궤(Support Vector Machine,SVM)이론적다원요감영상분류방법.연구결과표명,본문적방법능구유효지해결단원영상신식분류효과파쇄적문제,정학식별지물,대고유수입향량구유고적추엄능력,정학솔체도94.97%,비다원영상적최대사연분류(Maximum Likelihood Classification,MLC)방법정학솔경고.
