编号 zgly0001595214

文献类型 期刊论文

文献题名 基于改进SVM算法的高分辨率遥感影像分类

作者 邓曾  李丹  柯樱海  吴燕晨  李小娟  宫辉力 

作者单位 首都师范大学城市环境过程与数字模拟国家重点实验室培育基地 

母体文献 国土资源遥感 

年卷期 2016年03期

年份 2016 

分类号 TP751 

关键词 高分辨率遥感影像  支持向量机(SVM)  主成分分析  网格搜索法  分类性能 

文摘内容 针对面向对象高分辨率遥感影像分类样本维数多、数据量大的特点,提出了一种简单的支持向量机(support vector machine,SVM)改进算法。首先对原始样本数据进行主成分分析(principal component analysis,PCA)实现降维,对降维后的样本数据进行SVM分类器训练,利用网格搜索法得出降维数据的最佳参数;以此参数作为基准,对基于原始样本数据的SVM分类器参数搜索范围进行重新设定,从而快速获取原始样本数据的最佳SVM分类器参数,并实现分类。利用2景World View2高分辨率影像分别对城市土地利用以及林木树种进行分类实验,比较分析传统SVM算法、仅基于PCA降维样本数据的SVM算法以及改进的SVM算法在分类精度与效率方面的差异。实验结果表明,改进的SVM算法能够快速有效地寻找最佳SVM分类器参数,并获得较高的分类精度。