SVM结合模糊方法在遥感图像分类中的应用

被引：7

作者：

许磊

李朝峰

杨蒙召

机构：

[1] 江南大学信息工程学院

来源：

计算机工程与应用 | 2005年 / 36期

关键词：

支持向量机; 模糊隶属度; 遥感图像分类;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

提出一种支持向量机(SVM)结合模糊方法的遥感图像分类算法。首先介绍了SVM基本算法及其在遥感图像分类中应用情况,然后针对SVM多类判别存在混分和漏分的缺陷,对混分和漏分样本采用模糊方法判决分类。实验证明该方法的分类精度优于单一的SVM方法、模糊方法或神经网络方法。

引用

收藏

页码：79 / 82

页数：4

相关论文

共 3 条

[1] Choosing Multiple Parameters for Support Vector Machines [J].

Olivier Chapelle ;

Vladimir Vapnik ;

Olivier Bousquet ;

Sayan Mukherjee .

Machine Learning, 2002, 46 :131-159

[2] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[3] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297