支持向量機和模糊理論在遙感圖像分類中的應(yīng)用.pdf

1、遙感圖像分類是遙感應(yīng)用中的最核心技術(shù)之一，快速、高精度的遙感圖像分類算法是實現(xiàn)各種實際應(yīng)用的前提。傳統(tǒng)的模式分類方法以經(jīng)驗風(fēng)險最小化為歸納原則，只有當樣本數(shù)趨于無窮時，其性能才能達到理論上的最優(yōu)。然而在遙感圖像分類中，訓(xùn)練樣本通常是有限的。本文借助支持向量機方法在小樣本、非線性及高維特征空間中具有良好的分類性能，針對遙感圖像分類的特點，對支持向量機方法及其在遙感圖像分類中的應(yīng)用進行了深入地研究，主要工作包括： (1)對現(xiàn)有的支持

2、向量機訓(xùn)練算法進行了討論，對支持向量機的二次優(yōu)化算法進行了研究，并選擇次序最小優(yōu)化算法作為二次優(yōu)化算法。 (2)對支持向量機的多值分類算法進行了深入研究，深入討論了一對一SVM多類分類器、一對多SVM多類分類器在遙感圖像分類中的應(yīng)用，并對一對一SVM多類分類器產(chǎn)生的混分樣本、一對多SVM多類分類器產(chǎn)生的混分樣本和漏分樣本使用模糊聚類方法進行了模糊后處理，組合分類器有效提高了遙感圖像的分類精度。 (3)討論了二種模糊支持向