一种改进的SVM决策树及在遥感分类中的应用

被引：8

作者：

丁胜锋 ^{[1
,2
]}

孙劲光 ^{[1
]}

陈东莉 ^{[3
]}

李扬 ^{[1
]}

姜晓林 ^{[2
]}

机构：

[1] 辽宁工程技术大学

[2] 辽宁石油化工大学经济管理学院

[3] 中国石油抚顺石化公司石油二厂科技信息部

来源：

计算机应用研究 | 2012年 / 29卷 / 03期

关键词：

遗传算法; K近邻; 支持向量机决策树; 遥感图像分类;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; TP18 [人工智能理论];

学科分类号：

081002 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对遥感图像分类问题提出了一种基于遗传算法和K近邻的SVM决策树方法。算法以基于类分布的类间分离性测度为准则,利用遗传算法对传统的SVM决策树进行优化,生成最优(较优)决策树。在分类阶段,对容易分的节点利用SVM进行分类,而对可分离性差的节点采用SVM和K近邻相结合的分类方法,最终实现多类别分类。实验结果表明,与传统的分类方法相比,该算法的实验效果较好,可有效地提高遥感图像的分类精度。

引用

页码：1146 / 1148+1151 +1151

页数：4