基于GA-PSO優(yōu)化分層DT-SVM混合核的遙感圖像分類及其應(yīng)用.pdf

1、遙感圖像的分類結(jié)果會(huì)對(duì)圖像后續(xù)信息的提取產(chǎn)生較大的影響，而支持向量機(jī)憑借其優(yōu)異的分類效果，逐漸在遙感圖像分類中占據(jù)重要地位。
　　本文主要研究了分層決策樹支持向量機(jī)（HDT-SVM）在遙感圖像中的分類，主要工作如下：
　　1、提出了一種基于監(jiān)督分類（Kmeans）的特征提取方法。提取遙感影像特征時(shí)，分析了基于目視解譯與基于監(jiān)督分類的分類結(jié)果，實(shí)驗(yàn)表明基于Kmeans預(yù)分類的特征提取能夠有效提高提取特征的正確性，進(jìn)而提高遙感圖

2、像分類的正確性。
　　2、提出了一種內(nèi)嵌遺傳的粒子群算法（GA-PSO）來優(yōu)化混合核參數(shù)。在優(yōu)化混合核參數(shù)時(shí)，粒子群優(yōu)化算法加入了遺傳算法的交叉與變異特性，實(shí)驗(yàn)證明GA-PSO能更有效地優(yōu)化核參數(shù)，進(jìn)而提高遙感圖像分類的正確性。
　　3、提出了一種基于最優(yōu)特征加權(quán)組合的分層決策樹支持向量機(jī)（HDT-SVM）分類方法。HDT-SVM考慮了正態(tài)樹分類的時(shí)間優(yōu)勢(shì)與偏態(tài)樹分類的精度優(yōu)勢(shì)，而最優(yōu)特征的加權(quán)組合更易區(qū)分類別之間的差異性，