基于多类支持向量机的遥感图像分类及其半监督式改进策略

被引：15

作者：

祁亨年

杨建刚

方陆明

机构：

[1] 浙江林学院信息工程学院

[2] 浙江大学人工智能研究所

[3] 浙江林学院信息工程学院临安　浙江大学人工智能研究所杭州　

[4] 杭州　

[5] 临安　

来源：

复旦学报(自然科学版) | 2004年 / 05期

关键词：

遥感图像; 分类; 支持向量机; 模糊聚类;

D O I：

10.15943/j.cnki.fdxb-jns.2004.05.026

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

基于神经网络的遥感图像分类取得了较好的效果,但存在固有的过学习、易陷入局部极小等缺点.支持向量机机器学习方法,根据结构风险最小化(SRM)原理,表现出很多优于其他传统方法的性能,本研究的基于多类支持向量机分类器的遥感图像分类取得了达95.4%的分类精度.但由于遥感图像分类类别多,所需训练样本较大,人工选择效率较低,为此提出以人工选择初始聚类质心、C均值模糊聚类算法自动标注训练样本的基于多类支持向量机的半监督式遥感图像分类方法,期望能在获得适用的分类精度的基础上有效提高分类效率.

引用

页码：781 / 784

页数：4