支持向量机分类器遥感图像分类研究

被引:9
作者
崔炳德
机构
[1] 河北工程技术高等专科学校计算机系
关键词
支持向量机算法; 核函数; 图像分类;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习]; TP751 [图像处理方法];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 081002 ;
摘要
SVM分类器核函数的选择以及参数的设置直接影响系统的泛化能力和运行速度。引入交叉验证技术和栅格搜索技术,对径向基核、多项式核和Sigmoid核函数应用于图像多类别分类的性能进行理论推导、测试及分析,求得三种核函数应用于SVM分类器的性能,并证明了栅格搜索寻找最优参数的有效性。最后通过对TM6波段BSQ格式遥感图像进行分类对比证明了SVM分类器核函数用于TM图像分类的可行性及高效性。
引用
收藏
页码:189 / 191
页数:3
相关论文
共 5 条
[1]   基于遗传算法和支持向量机的特征选择研究 [J].
王世卿 ;
曹彦 .
计算机工程与设计, 2010, 31 (18) :4088-4092
[2]   基于提升小波和SVM分类的炼钢物料识别 [J].
马怀志 ;
吴清潇 ;
郝颖明 .
计算机工程与设计, 2010, 31 (18) :4093-4096
[3]   ECT图像重建算法的FPGA实现 [J].
李岩 ;
郝建青 ;
孙永钢 ;
冯莉 ;
张礼勇 .
计算机工程与设计, 2010, 31 (11) :2572-2576
[4]   人工神经网络遥感影像分类模型及其与知识集成方法研究 [J].
骆剑承 ;
周成虎 ;
杨艳 .
遥感学报, 2001, (02) :122-129
[5]  
遥感导论[M]. 高等教育出版社 , 梅安新等[编著], 2001