测绘工程
測繪工程
측회공정
ENGINEERING OF SURVEYING AND MAPPING
2014年
6期
1-5,10
,共6页
支持向量机%核函数%机器学习%分类%OLI影像%多特征
支持嚮量機%覈函數%機器學習%分類%OLI影像%多特徵
지지향량궤%핵함수%궤기학습%분류%OLI영상%다특정
support%vector%machine%kernel%function%machine%learning%classification%OLI%image%multi-features
在遥感影像自动分类中仅使用光谱特征很难产生正确的分类,OLI影像是波段数较多的多光谱影像,如果增加纹理、几何等多种特征以提高分类精度,就会使得特征的维度很高.支持向量机善于解决小样本、非线性和高维的影像分类问题,但是核函数和参数的设置只能依靠实验来获得.文中在OLI影像中提取了23个特征,逐个测试核函数和参数值对分类结果的影响.研究的主要结论如下:RBF核的支持向量机分类精度最高,Sigmoid核支持向量机分类精度最低;核函数的选择对分类精度的影响最大;核函数和参数值的变化不会影响重要特征的使用,3种核的支持向量机分类所使用的重要特征基本一致.
在遙感影像自動分類中僅使用光譜特徵很難產生正確的分類,OLI影像是波段數較多的多光譜影像,如果增加紋理、幾何等多種特徵以提高分類精度,就會使得特徵的維度很高.支持嚮量機善于解決小樣本、非線性和高維的影像分類問題,但是覈函數和參數的設置隻能依靠實驗來穫得.文中在OLI影像中提取瞭23箇特徵,逐箇測試覈函數和參數值對分類結果的影響.研究的主要結論如下:RBF覈的支持嚮量機分類精度最高,Sigmoid覈支持嚮量機分類精度最低;覈函數的選擇對分類精度的影響最大;覈函數和參數值的變化不會影響重要特徵的使用,3種覈的支持嚮量機分類所使用的重要特徵基本一緻.
재요감영상자동분류중부사용광보특정흔난산생정학적분류,OLI영상시파단수교다적다광보영상,여과증가문리、궤하등다충특정이제고분류정도,취회사득특정적유도흔고.지지향량궤선우해결소양본、비선성화고유적영상분류문제,단시핵함수화삼수적설치지능의고실험래획득.문중재OLI영상중제취료23개특정,축개측시핵함수화삼수치대분류결과적영향.연구적주요결론여하:RBF핵적지지향량궤분류정도최고,Sigmoid핵지지향량궤분류정도최저;핵함수적선택대분류정도적영향최대;핵함수화삼수치적변화불회영향중요특정적사용,3충핵적지지향량궤분류소사용적중요특정기본일치.