基于SVM核函數(shù)和參數(shù)選擇的高光譜圖像分類研究.pdf

1、高光譜遙感作為遙感技術(shù)的發(fā)展前沿,它在農(nóng)業(yè)、林業(yè)、地質(zhì)、海洋、軍事等方面發(fā)揮著越來越重要的作用。高光譜信息處理的一個重要研究方向是對高光譜圖像進行分類,而更好地實現(xiàn)各種應用的先決條件是分類算法的精度高。高光譜圖像具有多波段數(shù)、大數(shù)據(jù)量、高分辨率等特點，使用傳統(tǒng)圖像分類技術(shù)對高光譜圖像進行分類難以取得好的效果。本文利用支持向量機在高維、非線性以及有限樣本情形下表現(xiàn)出的優(yōu)勢，考慮到高光譜圖像數(shù)據(jù)的特殊性以及分類過程中存在的問題，針對支持向量

2、機模型中核函數(shù)的類型及其參數(shù)的選取對高光譜分類結(jié)果的影響進行了深入的研究，論文的主要內(nèi)容和貢獻如下:
　　(1)介紹了高光譜的背景,對支持向量機的發(fā)展歷程進行了論述。闡述了高光譜圖像的獲取,分析了高光譜數(shù)據(jù)的特征，對分類的過程以及其中的重要步驟進行了必要的論述。
　　(2)介紹了支持向量機原理，分析了支持向量機在線性可分、廣義線性可分以及線性不可分時的模型設(shè)計方法，指出了核技術(shù)在解決非線性問題中的作用。
　　(3)針對

3、核函數(shù)及其參數(shù)的選取對支持向量機分類效果的影響進行了分析。通過實驗證明了決定支持向量機分類效果的主要因素在于參數(shù)的選取。研究了參數(shù)擇優(yōu)的方法，以核參數(shù)和懲罰因子為優(yōu)化對象，介紹了網(wǎng)格搜索方法和基本粒子群算法。最后，對粒子群算法自適應調(diào)整,并做了幾種對比實驗。
　　(4)本文對所提算法進行了數(shù)值實驗。首先考查了核函數(shù)對支持向量機分類器性能的影響，分別選取四種常用核函數(shù)進行高光譜圖像分類實驗，結(jié)果顯示釆用不同的核函數(shù)得出的分類精度差別