基于合成核支持向量机的高光谱土地覆盖分类

被引:6
作者
尚坤 [1 ]
李培军 [2 ]
程涛 [3 ]
机构
[1] 中国科学院遥感应用研究所
[2] 北京大学遥感与地理信息系统研究所
[3] Department of Earth and Atmosphere University of Alberta
关键词
高光谱; 合成核; 支持向量机; 图像分类;
D O I
10.13209/j.0479-8023.2011.016
中图分类号
P237 [测绘遥感技术];
学科分类号
1404 ;
摘要
提出一种基于合成核支持向量机的高光谱数据分类方法。该方法首先对高光谱数据进行分组,对得到的不同数据组分别运用支持向量机方法进行分类参数的优化,然后组合不同的核函数来综合不同的数据组,得到最终的分类结果。利用华盛顿地区HYDICE高光谱数据对所提出的方法进行评价和验证,结果表明,基于合成核支持向量机的高光谱图像分类,可获得比传统支持向量机更高的分类精度。
引用
收藏
页码:109 / 114
页数:6
相关论文
共 4 条
[1]   超光谱数字图象收集实验仪器HYDICE(上) [J].
P.A.Mitchell ;
高国龙 .
红外, 1998, (11) :1-8
[2]   An assessment of support vector machines for land cover classification [J].
Huang, C ;
Davis, LS ;
Townshend, JRG .
INTERNATIONAL JOURNAL OF REMOTE SENSING, 2002, 23 (04) :725-749
[3]   Gene Selection for Cancer Classification using Support Vector Machines [J].
Isabelle Guyon ;
Jason Weston ;
Stephen Barnhill ;
Vladimir Vapnik .
Machine Learning, 2002, 46 :389-422
[4]  
The Nature of Statistical Learning Theory .2 Vapnik VN. Springer-Verlag . 2000