支持向量机在遥感影像处理中的应用

被引：4

作者：

何德平 ^{[1
]}

肖勇 ^{[2
]}

肖兴国 ^{[1
]}

黄永红 ^{[1
]}

周庆人 ^{[1
]}

机构：

[1] 重庆市勘测院

[2] 重庆市地理信息中心

来源：

城市勘测 | 2006年 / 03期

关键词：

机器学习; 支持向量机; 遥感影像; 图像处理;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

支持向量机(SupportVectorM ach ine,SVM)是目前机器学习界中的研究热点,其理论基础是统计学习理论。它基于结构风险最小化(SRM)原理,在最小化样本点误差的同时,缩小模型预测误差的上界,从而提高了模型的泛化能力。与基于传统统计学的经验风险最小化(ERM)的许多方法相比,支持向量机的性能有了显著的提高。当前,支持向量机在遥感影像中的应用研究还处在起步阶段,已应用于遥感影像分类、目标检测、融合、道路网提取等多方面。随着支持向量机的研究不断深入,必将更广泛地应用于遥感影像处理之中。

引用

页码：27 / 29+35 +35

页数：4

共 16 条

[1] SVM结合模糊方法在遥感图像分类中的应用 [J].