支撐向量機在光譜遙感影像分類中的若干問題研究.pdf

1、支撐向量機(SVMs)是在該理論框架下產(chǎn)生的一種通用學習方法.該文將SVMs用于光譜遙感分類,開展了如下幾方面開拓性和創(chuàng)新性的研究工作:●系統(tǒng)地總結(jié)了現(xiàn)有的三類主要的監(jiān)督分類方法,并運用統(tǒng)計學習領(lǐng)域的理論成果深入分析了分類器的推廣能力與訓練精度和模型估計精度之間的關(guān)系,模型復雜度、特征維數(shù)和訓練樣本數(shù)的相互關(guān)系和三者對訓練精度和估計精度的影響方式,以及如何選取適當?shù)姆诸惸Ｐ?●通過多光譜和高光譜遙感影像的分類實驗,將SVMs與現(xiàn)有的幾種

2、代表性的分類方法進行了對比.●通過對現(xiàn)有多類支撐向量機算法的系統(tǒng)性總結(jié)分析,發(fā)現(xiàn)層次型支撐向量機(H-SVMs)可以實現(xiàn)相對高效的多類分類.●在總結(jié)了現(xiàn)有的特征選取方法的基礎(chǔ)上,著重分析和對比了迭代特征刪除法(RFE)和判別函數(shù)剪裁分析法(DFPA).●不完全監(jiān)督分類是近年提出的一種新的分類類型,它介于監(jiān)督分類和非監(jiān)督分類之間.在不完全監(jiān)督分類中,為了提取某個目標類,只需要給出目標類的訓練樣本即可.而在許多遙感影像分類問題中,人們往往只