电视技术
電視技術
전시기술
TV ENGINEERING
2013年
23期
27-30,34
,共5页
遥感图像分类%模糊C均值聚类%支持向量机%隶属度
遙感圖像分類%模糊C均值聚類%支持嚮量機%隸屬度
요감도상분류%모호C균치취류%지지향량궤%대속도
classification of remote sensing image%FCM%support vector machine%membership
针对遥感图像监督分类方法需要人工提取训练样本的缺陷,提出一种模糊K均值聚类(FCM)提取训练样本、支持向量机(SVM)进行分类的方法.首先用FCM进行初步分类得到隶属度矩阵并判断每个样本的类别号;然后根据隶属度矩阵提取每类样本中密集程度较高的样本作为训练样本;最后用SVM对样本进行训练、再次分类.该方法克服了SVM算法需要人工样本的缺点,改善了传统非监督分类算法的性能,UCI标准数据库Iris数据和遥感数据样本的实验结果证明了该方法的可行性.
針對遙感圖像鑑督分類方法需要人工提取訓練樣本的缺陷,提齣一種模糊K均值聚類(FCM)提取訓練樣本、支持嚮量機(SVM)進行分類的方法.首先用FCM進行初步分類得到隸屬度矩陣併判斷每箇樣本的類彆號;然後根據隸屬度矩陣提取每類樣本中密集程度較高的樣本作為訓練樣本;最後用SVM對樣本進行訓練、再次分類.該方法剋服瞭SVM算法需要人工樣本的缺點,改善瞭傳統非鑑督分類算法的性能,UCI標準數據庫Iris數據和遙感數據樣本的實驗結果證明瞭該方法的可行性.
침대요감도상감독분류방법수요인공제취훈련양본적결함,제출일충모호K균치취류(FCM)제취훈련양본、지지향량궤(SVM)진행분류적방법.수선용FCM진행초보분류득도대속도구진병판단매개양본적유별호;연후근거대속도구진제취매류양본중밀집정도교고적양본작위훈련양본;최후용SVM대양본진행훈련、재차분류.해방법극복료SVM산법수요인공양본적결점,개선료전통비감독분류산법적성능,UCI표준수거고Iris수거화요감수거양본적실험결과증명료해방법적가행성.
