基于支持向量機(jī)的高光譜遙感圖像分類(lèi).pdf

1、本文針對(duì)高光譜數(shù)據(jù)的特性，對(duì)SVM在高光譜圖像分類(lèi)中的應(yīng)用進(jìn)行了研究，主要內(nèi)容和創(chuàng)新點(diǎn)如下： 1．分析了高光譜數(shù)據(jù)的特性和高光譜圖像的分類(lèi)流程以及各處理階段的內(nèi)容；指出傳統(tǒng)的分類(lèi)方法在處理高光譜數(shù)據(jù)分類(lèi)時(shí)存在的弊端，并給出了用支持向量機(jī)進(jìn)行高光譜圖像分類(lèi)的優(yōu)點(diǎn)。 2．深入研究了多類(lèi)SVM，并從四個(gè)方面總結(jié)了現(xiàn)有的多類(lèi)支持向量機(jī)的構(gòu)造方法：用多個(gè)兩類(lèi)分類(lèi)器實(shí)現(xiàn)多類(lèi)分類(lèi)、用層次型兩類(lèi)分類(lèi)器實(shí)現(xiàn)多類(lèi)分類(lèi)、用一個(gè)最優(yōu)化問(wèn)題一次性

2、實(shí)現(xiàn)多類(lèi)分類(lèi)和糾錯(cuò)編碼的SVM，介紹了每種構(gòu)造方法的代表性算法，并系統(tǒng)的比較了各種方法的優(yōu)劣。 3．提出了一種二次分類(lèi)的多類(lèi)支持向量機(jī)，它改良了子分類(lèi)器的權(quán)向量系數(shù)，提高了不易分的類(lèi)別之間的可分程度。超光譜圖像的分類(lèi)實(shí)驗(yàn)結(jié)果表明，該方法具有一定的優(yōu)越性。 4．提出了一種基于1-a-1 SVM的模糊支持向量機(jī)，在一定程度上解決了傳統(tǒng)的支持向量機(jī)產(chǎn)生的不可分區(qū)域問(wèn)題。高光譜分類(lèi)實(shí)驗(yàn)結(jié)果表明，文中提出的算法在同等條件下提高了分