陕西科技大学学报（自然科学版）
陝西科技大學學報（自然科學版）
협서과기대학학보（자연과학판）
JOURNAL OF SHAANXI UNIVERSITY OF SCIENCE & TECHNOLOGY
2008年
6期
154-158
,共5页
支持向量机(SVM)%IRS-P6%遥感%分类方法
支持嚮量機(SVM)%IRS-P6%遙感%分類方法
지지향량궤(SVM)%IRS-P6%요감%분류방법
支持向量机是20世纪90年代发展出的一种新的通用机器学习算法,在解决小样本、非线性及高维模式识别问题中表现出许多独特的优势,成为国际上机器学习领域新的研究热点.作者以支持向量机为分类工具,对IRS-P6数据在土地覆盖应用中分类特征的选取进行了研究,与其他传统方法的分类结果比较,使用SVM分类方法分类总精度与 Kappa系数均有所提高,并进行了分类精度评价,取得了良好的效果.实验表明SVM方法对高维输入向量具有较高的推广能力,且对遥感图像分类有着较强的优势.
支持嚮量機是20世紀90年代髮展齣的一種新的通用機器學習算法,在解決小樣本、非線性及高維模式識彆問題中錶現齣許多獨特的優勢,成為國際上機器學習領域新的研究熱點.作者以支持嚮量機為分類工具,對IRS-P6數據在土地覆蓋應用中分類特徵的選取進行瞭研究,與其他傳統方法的分類結果比較,使用SVM分類方法分類總精度與 Kappa繫數均有所提高,併進行瞭分類精度評價,取得瞭良好的效果.實驗錶明SVM方法對高維輸入嚮量具有較高的推廣能力,且對遙感圖像分類有著較彊的優勢.
지지향량궤시20세기90년대발전출적일충신적통용궤기학습산법,재해결소양본、비선성급고유모식식별문제중표현출허다독특적우세,성위국제상궤기학습영역신적연구열점.작자이지지향량궤위분류공구,대IRS-P6수거재토지복개응용중분류특정적선취진행료연구,여기타전통방법적분류결과비교,사용SVM분류방법분류총정도여 Kappa계수균유소제고,병진행료분류정도평개,취득료량호적효과.실험표명SVM방법대고유수입향량구유교고적추엄능력,차대요감도상분류유착교강적우세.
