多分类SVM主动学习及其在遥感图像分类中的应用

被引：7

作者：

陈建杰 ^{[1
]}

叶智宣 ^{[2
]}

机构：

[1] 浙江省国土资源厅

[2] 杭州市城市规划信息中心

来源：

测绘科学 | 2009年 / 34卷 / 04期

关键词：

SVM; 主动学习; 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：

081002 ;

摘要：

针对应用传统分类器和被动学习的方法,难以满足遥感图像处理实际应用的要求这一困境,提出了一种新的基于多分类SVM的主动学习方法,与被动学习的随机选择不同,主动学习是在少量标记类别的初始训练样本集基础上,通过反复迭代主动学习的方式,得到最有利SVM分类器性能的样本为支持向量。研究表明,这种方法直接避免了大量的计算,可有效地减少样本训练时需要标记样本的数目,并取得较为理想的分类效果。

引用

页码：97 / 100

页数：4

共 3 条

[1] 高分辨率卫星遥感影像在土地利用变化动态监测中的应用 [J].

廖克 ;

成夕芳 ;

吴健生 ;

陈文惠 .

测绘科学, 2006, (06) :11-15+3

[2]

Toward intelligent training of supervised image classifications: directing training data acquisition for SVM classification[J] . Giles M. Foody,Ajay Mathur.Remote Sensing of Environment . 2004 (1)

[3] An assessment of support vector machines for land cover classification [J].

Huang, C ;

Davis, LS ;

Townshend, JRG .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2002, 23 (04) :725-749

← 1 →