本文關鍵詞：基于不確定性的大樣本集抽樣設計

  更多相關文章： 抽樣 支持向量機 訓練樣本 不確定性 遙感影像分類

【摘要】：本文研究是針對全球森林覆蓋變化檢測系統(tǒng)的大訓練樣本選擇的優(yōu)化問題。樣本自動標記系統(tǒng)自動標記了"千萬個"代表森林和非森林的像元。為了提高精度和效率,我們需要從千萬個樣本的大樣本集中選擇對訓練分類器有益的樣本。本文提出了兩種方法:第一種方法是傳統(tǒng)的分層等距離采樣;第二種方法是基于不確定性的樣本優(yōu)化,通過研究相同樣本間的相似性度量指標、樣本不確定性度量指標及樣本特征空間分布,來實現(xiàn)基于不確定性的訓練樣本選擇策略。實驗通過精度評價驗證了基于不確定性的采樣策略能比傳統(tǒng)的分層等距離采樣策略獲得好的效果。
【作者單位】： 武漢大學遙感信息工程學院;武漢大學測繪學院;中國地質(zhì)大學(武漢)信息工程學院;
【關鍵詞】： 抽樣 支持向量機 訓練樣本 不確定性 遙感影像分類
【基金】：國家自然科學基金項目(41471375,4140011312)資助
【分類號】：P237;TP751
【正文快照】： 0引言 現(xiàn)有遙感影像地物分類方法主要集中在利用遙感影像像素的波譜信息,采用距離、角度、概率等聚類準則或支持向量機、神經(jīng)網(wǎng)絡等方法實現(xiàn)分類[1]。在遙感影像監(jiān)督分類中,為了得到分類模型,需要采集樣本數(shù)據(jù)作為分類模型的訓練數(shù)據(jù)。訓練數(shù)據(jù)是影響遙感影像監(jiān)督分類系統(tǒng)分，

本文編號：1105477