基于支持向量机的高光谱遥感分类进展

被引：36

作者：

杜培军 ^{[1
]}

林卉 ^{[2
]}

孙敦新 ^{[3
]}

机构：

[1] 中国矿业大学地理信息与遥感科学系

[2] 徐州师范大学国土信息与测绘工程系

[3] 徐州市宏伟测绘制图公司

来源：

测绘通报 | 2006年 / 12期

关键词：

高光谱遥感; 支持向量机; 分类;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

支持向量机作为一种最新的也是最有效的统计学习方法,近年来成为模式识别与机器学习领域一个新的研究热点。支持向量机因其适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法。在分析基于支持向量机的高光谱遥感影像分类进展的基础上,对若干需要进一步研究的问题包括多类分类策略、训练样本与特征空间优化、不确定性控制、核函数选择与优化等进行探讨。

引用

页码：37 / 40+50 +50

页数：5

共 14 条

[1] 基于支持向量机的图像语义分类(英文) [J].

万华林 ;

Morshed U.Chowdhury .

软件学报, 2003, (11) :1891-1899

[2] 基于混合核函数的支撑向量机及其在遥感影像土地利用分类中的应用 [J].

刘志刚 ;

秦前清 ;

李德仁 ;

王新洲 .

测绘信息与工程, 2003, (05) :1-3

[3] 基于支持向量机的航空影像纹理分类研究 [J].

徐芳 ;

燕琴 .

武汉大学学报(信息科学版), 2003, (05) :517-520

[4] 基于支持向量机和距离度量的纹理分类 [J].

马永军 ;

方凯 ;

方廷健 .

中国图象图形学报, 2002, (11) :50-54

[5] 基于信息融合的超谱图象分类方法研究 [J].

张钧萍 ;

张晔 ;

周廷显 .

哈尔滨工业大学学报, 2002, (04) :464-468

[6] 支撑向量机及其遥感影像空间特征提取和分类的应用研究 [J].

骆剑承 ;

周成虎 ;

梁怡 ;

马江洪 .

遥感学报, 2002, (01) :50-55

[7] 成像光谱技术超谱图像分类研究现状与分析 [J].

张钧萍 ;

张晔 ;

周廷显 .

中国空间科学技术, 2001, (01) :40-47

[8] 以地物识别和分类为目标的高光谱数据挖掘 [J].

王晋年 ;

张兵 ;

刘建贵 ;

童庆禧 ;

郑兰芬 .

中国图象图形学报, 1999, (11) :59-66

[9] 人工神经元网络在光谱识别中的应用 [J].

张良培 ;

李德仁 .

光谱学与光谱分析, 1999, (02) :31-33

[10]

Shailesh Kumar,Joydeep Ghosh,Melba M. Crawford.Hierarchical Fusion of Multiple Classifiers for Hyperspectral Data Analysis[J].Pattern Anal. Appl.,2002

← 1 2 →