本文關(guān)鍵詞：高光譜影像的BDT-SVM地物分類算法與應(yīng)用

  更多相關(guān)文章： 高光譜影像 支持向量機(jī)(SVM) 二叉決策樹(shù)(BDT) 分類算法

【摘要】：面對(duì)海量數(shù)據(jù)的特征空間高維性及訓(xùn)練樣本的有限性,高光譜遙感影像若采用常規(guī)統(tǒng)計(jì)模式的分類方法難以獲得較好的分類結(jié)果。因此探討支持向量機(jī)(SVM)分類器的基本原理,針對(duì)EO-1Hyperion高光譜影像的分類特點(diǎn)及現(xiàn)有多類SVM算法所存在的訓(xùn)練時(shí)間長(zhǎng)及分類精度低等問(wèn)題,引入二叉決策樹(shù)SVM(BDT-SVM)分類算法,并提出一種新的類間分離度定義方法及相應(yīng)的客觀確定二叉樹(shù)結(jié)構(gòu)的策略,由此生成改進(jìn)的BDT-SVM算法。實(shí)驗(yàn)結(jié)果表明:與其他多類分類方法相比,基于改進(jìn)的BDT-SVM算法的高光譜影像地物分類效果更好,總體精度達(dá)到90.96%,Kappa系數(shù)為0.89,該算法還解決了經(jīng)典SVM多類分類可能存在的不可分區(qū)域問(wèn)題。
【作者單位】： 福建師范大學(xué)地理科學(xué)學(xué)院;
【關(guān)鍵詞】： 高光譜影像 支持向量機(jī)(SVM) 二叉決策樹(shù)(BDT) 分類算法
【基金】：歐盟第七框架項(xiàng)目(IGIT:247608) 福建省自然科學(xué)基金項(xiàng)目(2011J01265)共同資助
【分類號(hào)】：TP751
【正文快照】： 1引言高光譜遙感技術(shù)能以多達(dá)數(shù)百個(gè)的納米量級(jí)寬度的窄波段對(duì)目標(biāo)實(shí)施連續(xù)的光譜成像,由此可獲得地物在一定范圍內(nèi)連續(xù)而精細(xì)的光譜曲線,構(gòu)成獨(dú)特的超多維光譜空間,實(shí)現(xiàn)了地物空間信息與輻射信息的同步獲取;由于空間信息在光譜維上得到較為全面的展開(kāi),這將極其有助于對(duì)地球表

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 陳民;王寧;段國(guó)賓;王玖玲;童文彬;于學(xué)政;;基于決策樹(shù)理論的土地利用分類[J];測(cè)繪與空間地理信息;2014年01期

2 馬書(shū)勇;朱星磊;安裕倫;;喀斯特石漠化地區(qū)遙感影像的決策樹(shù)分類——以貴州省黔南州長(zhǎng)順縣凱佐鄉(xiāng)為例[J];安徽農(nóng)業(yè)科學(xué);2013年25期

3 李澤鳴;魏占民;白燕英;李佳寶;梁天雨;;內(nèi)蒙古引黃灌區(qū)種植面積與種植結(jié)構(gòu)的時(shí)空演變[J];干旱區(qū)研究;2014年02期

4 林麗群;肖洲;李雪;;基于特征構(gòu)造的影像跨尺度分類研究[J];測(cè)繪科學(xué);2014年04期

5 Shuyong MA;Xinglei ZHU;Yulun AN;;Remote Sensing Image Classification Based on Decision Tree in the Karst Rocky Desertification Areas: A Case Study of Kaizuo Township[J];Asian Agricultural Research;2014年07期

6 李振敏;王曉青;竇愛(ài)霞;楊海霞;黃樹(shù)松;崔麗萍;;基于Landsat-8與ZY3多源遙感影像的城鎮(zhèn)居民地識(shí)別與再分類研究[J];地震;2015年03期

7 王堯;卓莉;易l點(diǎn)，

本文編號(hào)：928811