遗传算法优化的支持向量机湿地遥感分类——以洪河国家级自然保护区为例

被引：28

作者：

臧淑英

张策

张丽娟

张玉红

机构：

[1] 哈尔滨师范大学地理科学学院

来源：

地理科学 | 2012年 / 32卷 / 04期

关键词：

湿地; 遥感分类; 遗传算法; 支持向量机; 洪河自然保护区;

D O I：

10.13249/j.cnki.sgs.2012.04.006

中图分类号：

TP79 [遥感技术的应用]; P931.1 [流水地貌学、湿润地貌学];

学科分类号：

081102 ; 0816 ; 081602 ; 083002 ; 1404 ; 0705 ; 070501 ;

摘要：

湿地遥感分类作为湿地管理、监测与评价的重要手段,受到了广泛的关注。遗传算法(GA)借鉴了生物进化规律进行启发式搜索寻优,支持向量机(SVM)是一种新型的空间数据挖掘方法,二者相结合可以发挥各自的优势,寻找到支持向量机的全局最优参数,从而较准确地对湿地进行遥感分类。以洪河自然保护区为例,采用遗传算法优化的支持向量机方法进行了湿地遥感分类研究。同格网搜索下的支持向量机湿地遥感分类及最大似然监督分类对比,结果表明,遗传算法优化较格网搜索方式总精度提高了7.29%,较最大似然监督分类提高了12.06%,方法改善了沼泽、草地与裸地三种地物间的区分,是湿地遥感分类的有效手段。

引用

页码：434 / 441

页数：8

共 12 条

[1] 基于支持向量机的扎龙湿地遥感分类研究 [J].

张策 ;

臧淑英 ;

金竺 ;

张玉红 .

湿地科学, 2011, (03) :263-269

[2] 基于支持向量机的遥感影像湿地信息提取研究 [J].

姚云军 ;

张泽勋 ;

秦其明 ;

邱云峰 .

计算机应用研究, 2008, (04) :989-990+995

[3] 洪河保护区湿地生态需水量研究 [J].

赵东升 ;

吴正方 ;

商丽娜 .

湿地科学, 2004, (02) :133-138

[4] 遥感图像最大似然分类方法的EM改进算法 [J].

骆剑承 ;

王钦敏 ;

马江洪 ;

周成虎 ;

梁怡 .

测绘学报, 2002, (03) :234-239

[5] 三江平原湿地遥感分类模式研究 [J].

张树清 ;

陈春 ;

万恩璞 .

遥感技术与应用, 1999, (01) :54-58

[6] Optimizing support vector machine learning for semi-arid vegetation mapping by using clustering analysis [J].

Su, Lihong .

ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING, 2009, 64 (04) :407-413

[7] An objective analysis of Support Vector Machine based classification for remote sensing [J].

Oommen, Thomas ;

Misra, Debasmita ;

Twarakavi, Navin K. C. ;

Prakash, Anupma ;

Sahoo, Bhaskar ;

Bandopadhyay, Sukumar .

MATHEMATICAL GEOSCIENCES, 2008, 40 (04) :409-424

[8] Support vector machines for classification in remote sensing [J].

Pal, M ;

Mather, PM .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2005, 26 (05) :1007-1011

[9]

A rule-based method for mapping Canada's wetlands using optical, radar and DEM data[J] . Junhua Li,Wenjun Chen.International Journal of Remote Sensing . 2005 (22)

[10]

Thematic accuracy of the 1992 National Land-Cover Data for the western United States[J] . J.D Wickham,S.V Stehman,J.H Smith,L Yang.Remote Sensing of Environment . 2004 (3)

← 1 2 →