本文關(guān)鍵詞： 支持向量機 自適應(yīng)變異粒子群 半監(jiān)督學(xué)習(xí) Self-training Gustafson-kessel 集成學(xué)習(xí) 土地覆蓋 遙感分類　出處：《中國科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所)》2013年博士論文　論文類型：學(xué)位論文

【摘要】：土地覆蓋真實的反映了地表覆蓋情況，它與人類的生產(chǎn)、生活休戚相關(guān)。長期以來，土地覆蓋變化的研究一直是全球環(huán)境研究的熱點，，無論從社會經(jīng)濟角度還是從生態(tài)環(huán)境角度均具有重要的意義。為了全面掌握土地覆蓋變化信息，迫切需要使用切實有效的方法實現(xiàn)土地覆蓋宏觀、動態(tài)、大尺度的制圖與監(jiān)測，遙感技術(shù)迅猛發(fā)展為這一需求提供可能。然而，目前遙感信息處理和分類的水平大大滯后于遙感影像獲取技術(shù)的發(fā)展。因此，研究新理論、新方法提高遙感信息的處理能力具有十分重要的意義和應(yīng)用前景。支持向量機（support vector machines,SVM）是近年來機器學(xué)習(xí)與模式識別領(lǐng)域新的研究焦點，它具有結(jié)構(gòu)簡單、適應(yīng)性強，全局最優(yōu)等特點，能較好地解決高維特征、非線性，過學(xué)習(xí)與不確定性等問題，廣泛的應(yīng)用于土地覆蓋遙感分類。盡管SVM在遙感信息獲取中取得了很好的效果，但仍存在有待改進和完善之處，主要表現(xiàn)在以下兩方面：1）參數(shù)選擇問題，即不準確的分類參數(shù)常常影響分類器的分類精度；2）樣本不足且代表性不好問題，即當(dāng)訓(xùn)練樣本集遠遠小于測試樣本集，即便SVM具有較強的泛化性，也難以給出令人滿意的結(jié)果。圍繞這些問題本論文開展了如下工作： 1.針對SVM分類過程中核函數(shù)選擇及參數(shù)設(shè)置不準確的缺點，提出一種基于自適應(yīng)變異粒子群優(yōu)化SVM參數(shù)模型（Adaptive mutation particle swarmoptimization SVM，AMPSO-SVM）。AMPSO在運行過程中根據(jù)群體適應(yīng)度方差以及最優(yōu)解的大小來確定當(dāng)前最佳粒子的變異概率。與傳統(tǒng)粒子群（particleswarm optimization, PSO）優(yōu)化SVM參數(shù)模型（PSO-SVM）相比，AMPSO-SVM能夠快速擺脫局部搜索的束縛，提高全局搜索的性能，克服早熟收斂造成分類參數(shù)尋找不準確的缺點，同時保持了種群的多樣性。最后應(yīng)用該模型進行多光譜遙感影像的土地覆蓋分類實驗，并與SVM分類方法、PSO-SVM分類方法進行對比。分類精度從傳統(tǒng)PSO-SVM的91.50%提高到93.59%，Kappa系數(shù)由0.8903提高為0.9175。c和的取值得到的分類結(jié)果明顯優(yōu)于SVM的手工設(shè)置值100和0.143所得到的結(jié)果（分類精度87.07%，Kappa系數(shù)0.8372），結(jié)果表明，AMPSO-SVM模型有效的提高了遙感影像的分類精度。 2.提出了一個新的自訓(xùn)練半監(jiān)督支持向量機方法（PS3VM）。自訓(xùn)練半監(jiān)督算法最大弊端在于“錯誤累積”現(xiàn)象，即在學(xué)習(xí)過程中，一旦某個分類出錯，將導(dǎo)致這個錯誤被繼續(xù)學(xué)習(xí)與加強。為了克服這一現(xiàn)象，論文在自訓(xùn)練半監(jiān)督SVM（S3VM）的基礎(chǔ)上引入兩個算法：1）從分類器的構(gòu)造角度，利用自適應(yīng)變異粒子群算法對SVM參數(shù)優(yōu)化，以提高單個分類器的分類精度；2）在未標(biāo)記樣本的標(biāo)注階段，采用Gustafson-kessel模糊聚類算法（GKclust）將最接近樣本的有效無標(biāo)簽樣本作為標(biāo)注對象，以控制錯誤信息的輸入。為了測試所提模型的有效性，分別針對遙感的數(shù)字化集合和影像集合進行分類實驗，并與AMPSO-SVM（簡稱PSVM）監(jiān)督分類方法、未改進自訓(xùn)練S3VM方法進行對比實驗，由PS3VM產(chǎn)生的分類精度（95.10%）分別比S3VM（93.06）高出2.04；比PSVM（90.81%）高出4.29%。實驗結(jié)果一方面說明了己標(biāo)記樣本和未標(biāo)記樣本的用量比例必須滿足一定的閾值要求（1:3），才能產(chǎn)生最小的泛化誤差；另一方面證實了利用所提出學(xué)習(xí)框架能夠獲得較好的分類精度。 3.對于樣本不足且代表不好而造成的小樣本問題，學(xué)者們普遍采用半監(jiān)督學(xué)習(xí)和集成學(xué)習(xí)兩種范式對SVM進行改進。然而，集成學(xué)習(xí)與半監(jiān)督學(xué)習(xí)之間存在許多互補性，且二者的混合范式（即半監(jiān)督集成）可以更大程度地改進學(xué)習(xí)系統(tǒng)的泛化能力。因此，本文設(shè)計了一種新的半監(jiān)督集成方案（EPS3VM），PS3VM半監(jiān)督方法利用未標(biāo)記數(shù)據(jù)有效的應(yīng)對訓(xùn)練樣本不足缺點的同時也產(chǎn)生若干性能差異的個體分類器，將這些個體分類器采用加權(quán)集成策略進一步提高分類模型的泛化能力。為了測試其性能，應(yīng)用該模型進行多光譜遙感影像的土地覆蓋分類實驗，并與其相關(guān)算法進行對比。分類精度從92.16%（PS3VM）提高到96.88%，Kappa系數(shù)由0.9010提高為0.9606。結(jié)果表明，EPS3VM克服傳統(tǒng)SVM參數(shù)選擇不準確的同時有效的應(yīng)對了小樣本問題，分類性能更優(yōu)。
[Abstract]:......
【學(xué)位授予單位】：中國科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號】：P237

【相似文獻】

相關(guān)期刊論文 前10條

1 潘繼斌;回歸函數(shù)的支持向量機估計法[J];湖北師范學(xué)院學(xué)報(自然科學(xué)版);2003年04期

2 孟科,張恒喜,李壽安,朱家元;基于SVM的可靠性評估方法研究[J];中國制造業(yè)信息化;2004年10期

3 周秀平;王文圣;黃偉軍;;支持向量機回歸模型在徑流預(yù)測中的應(yīng)用[J];水電能源科學(xué);2006年04期

4 胡挺;;基于支持向量機的并購目標(biāo)搜索研究[J];統(tǒng)計與決策;2007年06期

5 鄒華勝;寧書年;楊峰;徐遵義;;支持向量機在儲層厚度預(yù)測和計算中的應(yīng)用[J];地球物理學(xué)進展;2007年05期

6 范千;王新洲;許承權(quán);;大壩變形預(yù)測的支持向量機模型[J];測繪工程;2007年06期

7 郭麗娟;孫世宇;段修生;;支持向量機及核函數(shù)研究[J];科學(xué)技術(shù)與工程;2008年02期

8 王煒;郭小明;王淑艷;劉麗琴;;關(guān)于核函數(shù)選取的方法[J];遼寧師范大學(xué)學(xué)報(自然科學(xué)版);2008年01期

9 王振友;葉麗婷;牛慶敏;;大氣中臭氧含量分析預(yù)測的支向量機模型[J];數(shù)學(xué)的實踐與認識;2008年09期

10 王海洋;丁正生;;支持向量機訓(xùn)練算法概述[J];科技信息(科學(xué)教研);2008年09期

相關(guān)會議論文 前10條

1 林杰華;張斌;李冬森;宋華茂;余志強;王浩;;支持向量機在電力客戶信用評級中的應(yīng)用[A];全國第21屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

2 蔣鐵軍;張懷強;李積源;;多變量系統(tǒng)預(yù)測的支持向量機方法研究[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進展——第7屆全國青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會議論文集[C];2003年

3 黃淑云;孫興玉;梁汝萍;邱建丁;;基于小波支持向量機預(yù)測蛋白質(zhì)亞細胞定位研究[A];第十一屆全國計算（機）化學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

4 謝湘;匡鏡明;;支持向量機在語音識別中的應(yīng)用研究[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

5 涂冬成;薛龍;劉木華;趙進輝;沈杰;吁芳;;基于支持向量機的鵝肉肉色客觀評定研究[A];中國農(nóng)業(yè)工程學(xué)會電氣信息與自動化專業(yè)委員會、中國電機工程學(xué)會農(nóng)村電氣化分會科技與教育專委會2010年學(xué)術(shù)年會論文摘要[C];2010年

6 楊凌;劉玉樹;;基于支持向量機的坦克識別算法[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

7 師旭超;巴松濤;;基于支持向量機方法的深基坑變形預(yù)測[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——河南省第四屆青年學(xué)術(shù)年會論文集（上冊）[C];2004年

8 張軍;;支持向量機方法在地下水位干擾排除中的初步應(yīng)用[A];2007年地震流體學(xué)術(shù)研討會論文摘要集[C];2007年

9 許建生;盛立東;;基于改進的支持向量機和BP神經(jīng)網(wǎng)絡(luò)的識別算法[A];第八屆全國漢字識別學(xué)術(shù)會議論文集[C];2002年

10 榮海娜;張葛祥;張翠芳;;基于支持向量機的非線性系統(tǒng)辨識方法[A];中國自動化學(xué)會、中國儀器儀表學(xué)會2004年西南三省一市自動化與儀器儀表學(xué)術(shù)年會論文集[C];2004年

相關(guān)重要報紙文章 前10條

1 楊立民 朱智良;未來的遙感技術(shù)[N];科技日報;2001年

2 王東華邋羅建軍;美國國家地圖建設(shè)[N];中國測繪報;2007年

3 ;用數(shù)字描述神州大地[N];經(jīng)濟日報;2006年

4 記者　羅暉;國家基礎(chǔ)測繪數(shù)據(jù)庫中城市居民能看到自己的家[N];科技日報;2006年

5 課題主持人 李心丹　課題協(xié)調(diào)人 上海證券交易所 施東暉 傅浩 課題研究員 宋素榮 查曉磊 賓紅輝 張許宏 郭靜靜 黃雋 南京大學(xué)工程管理學(xué)院;內(nèi)幕交易與市場操縱的行為動機與判別監(jiān)管研究[N];中國證券報;2007年

6 李水根;計算機詳解配伍與藥效關(guān)系[N];健康報;2005年

7 實習(xí)記者 高鵬;我國基礎(chǔ)測繪工程實現(xiàn)網(wǎng)民夢想[N];中國知識產(chǎn)權(quán)報;2006年

8 清華大學(xué) 蘇光大;非接觸式人臉識別技術(shù)[N];計算機世界;2006年

9 戴隨剛邋周秉榮;為環(huán)保決策提供科學(xué)依據(jù)[N];中國氣象報;2008年

10 YMG記者 李仁　通訊員 曲華明 孫運智;我市九項目進入省“盤子”[N];煙臺日報;2010年

相關(guān)博士學(xué)位論文 前10條

1 劉穎;基于半監(jiān)督集成支持向量機的土地覆蓋遙感分類方法研究[D];中國科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所);2013年

2 劉葉青;原始空間中支持向量機若干問題的研究[D];西安電子科技大學(xué);2009年

3 常甜甜;支持向量機學(xué)習(xí)算法若干問題的研究[D];西安電子科技大學(xué);2010年

4 胡運紅;支持向量機的若干算法研究[D];山東科技大學(xué);2011年

5 周喜川;非可信環(huán)境下的支持向量機研究[D];浙江大學(xué);2010年

6 趙瑩;半監(jiān)督支持向量機學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2010年

7 杜小芳;基于CPFR的農(nóng)產(chǎn)品采購模型研究[D];華中科技大學(xué);2005年

8 劉育明;動態(tài)過程數(shù)據(jù)的多變量統(tǒng)計監(jiān)控方法研究[D];浙江大學(xué);2006年

9 欒鋒;支持向量機（SVM）和徑向基神經(jīng)網(wǎng)絡(luò)（RBFNN）方法在化學(xué)、環(huán)境化學(xué)和藥物化學(xué)中的應(yīng)用研究[D];蘭州大學(xué);2006年

10 孫薇;市場條件下抽水蓄能電站效益綜合評價及運營模式研究[D];華北電力大學(xué)（河北）;2007年

相關(guān)碩士學(xué)位論文 前10條

1 劉艷偉;支持向量機方法在感潮河段洪峰水位預(yù)報中的應(yīng)用[D];浙江大學(xué);2010年

2 楊鐳;支持向量機算法設(shè)計及在高分辨雷達目標(biāo)識別中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2010年

3 童振;基于支持向量機的電解液成分預(yù)測[D];東北大學(xué);2008年

4 聶小芳;模糊粗糙集與支持向量機在煤與瓦斯突出預(yù)測中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2009年

5 鄢常亮;基于支持向量機的高爐向涼向熱爐況預(yù)測研究[D];內(nèi)蒙古科技大學(xué);2010年

6 韓敘東;基于支持向量機的水電故障分類器的設(shè)計與實現(xiàn)[D];東北大學(xué);2008年

7 馮杰;慢時變對象的支持向量機建模與在線校正方法研究[D];東北大學(xué);2009年

8 朱耿峰;支持向量機在沖擊地壓預(yù)測模型中的應(yīng)用研究[D];山東科技大學(xué);2010年

9 王奇安;基于廣泛內(nèi)核的CVM算法研究及參數(shù)C的選擇[D];南京航空航天大學(xué);2009年

10 張永新;基于支持向量機和遺傳算法相結(jié)合的模擬電路故障診斷方法研究[D];東北大學(xué);2009年

本文編號：1517763