基于SVM遙感圖像專題信息提取研究.pdf

1、支持向量機(SVM)是一種基于統(tǒng)計學習理論的機器學習算法，在解決有限樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的性能，并且具有強大的泛化能力。本文正是利用SVM的這些優(yōu)點，對數(shù)據(jù)量繁多的遙感圖像進行礦化信息提取，有效地識別遙感圖像。 本文的主要工作包括： 1.討論了SVM基本原理，闡述并且分析了目前國際上幾種流行的算法；概述了遙感圖像處理的理論，并結合實際工作，處理研究區(qū)的遙感圖像。 2.在實驗過程中，采集正

2、類樣本和負類樣本，有效地構造SVM的訓練集。再對樣本進行多次的訓練，優(yōu)化算法，運用κ-折交叉比對(κ-cross validation)的方法確定參數(shù)C，通過實驗確定支持向量(SV)，從而建立SVM的分類模型。 3.應用SVM模型，測試研究區(qū)遙感圖像數(shù)據(jù)，提取礦化信息。分析對比幾種核函數(shù)的分類結果。 4．提取的礦化信息結果經(jīng)與地質資料比較，已知礦床(點)均落在提取的結果內，說明本方法對青海省牛首山地區(qū)的遙感數(shù)字圖像進行