發(fā)布時(shí)間：2021-11-13 00:24

　　針對支持向量機(jī)在高分二號衛(wèi)星遙感圖像分類中的核函數(shù)選擇問題,以長江口南匯典型潮灘濕地為研究區(qū),進(jìn)行了支持向量機(jī)不同核函數(shù)分類結(jié)果的對比分析。首先,根據(jù)實(shí)地測量以及無人機(jī)航拍影像標(biāo)記六類地物共計(jì)1800個(gè)優(yōu)質(zhì)樣本點(diǎn),然后將標(biāo)記樣本點(diǎn)的像元值投影到三維空間中,分析了支持向量機(jī)分類過程中最優(yōu)分類超平面的構(gòu)建以及誤差來源,最終從標(biāo)記樣本點(diǎn)中選取訓(xùn)練樣本和測試樣本,進(jìn)行了支持向量機(jī)不同核函數(shù)的分類訓(xùn)練,得到分類結(jié)果和分類精度。研究結(jié)果表明,在訓(xùn)練樣本數(shù)量相同的情況下,線性核函數(shù)支持向量機(jī)的分類結(jié)果好于RBF核函數(shù)和Sigmoid核函數(shù)的分類結(jié)果。三種核函數(shù)的分類精度都隨著訓(xùn)練樣本數(shù)量的增加逐漸增高并趨于穩(wěn)定,RBF核函數(shù)和Sigmoid核函數(shù)支持向量機(jī)分類精度變化趨于對數(shù)分布。 

【文章來源】：海洋湖沼通報(bào). 2020,(02)北大核心CSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

實(shí)驗(yàn)流程圖

本文選用的實(shí)驗(yàn)數(shù)據(jù)是2016年5月4日的高分二號影像數(shù)據(jù)(圖2),大小為512×512像元,數(shù)據(jù)集總共包括262144個(gè)像元。研究區(qū)域主要由5種土地覆蓋類型組成,包括水體、裸土、道路、蘆葦和一枝黃花。5月份蘆葦處于生長期和展葉期,因此本文將蘆葦分為生長期蘆葦和展葉期蘆葦兩種類別。實(shí)驗(yàn)中,六種地物類型各有300個(gè)標(biāo)記樣本點(diǎn),標(biāo)記樣本點(diǎn)的空間分布如圖3所示。圖3 標(biāo)記樣本點(diǎn)空間分布圖

標(biāo)記樣本點(diǎn)空間分布圖

【參考文獻(xiàn)】：
期刊論文
[1]用高分一號數(shù)據(jù)提取玉米面積及精度分析[J]. 郭燕,武喜紅,程永政,王來剛,劉婷.  遙感信息. 2015(06)
[2]基于非負(fù)矩陣分解和支持向量機(jī)的墨西哥灣溢油HJ-1星遙感圖像分類[J]. 范劍超,王濤.  海洋環(huán)境科學(xué). 2015(03)
[3]基于樣本自動選擇與SVM結(jié)合的海岸線遙感自動提取[J]. 朱長明,張新,駱劍承,李萬慶,楊紀(jì)偉.  國土資源遙感. 2013(02)
[4]基于模糊雙支持向量機(jī)的遙感圖像分類研究[J]. 丁勝鋒,孫勁光,陳東莉,姜曉林.  遙感技術(shù)與應(yīng)用. 2012(03)
[5]基于遙感的長江口南匯潮灘植被群落時(shí)空動態(tài)變化[J]. 劉瑜,韓震.  上海海洋大學(xué)學(xué)報(bào). 2009(05)
[6]一種基于支撐向量機(jī)的遙感影像不完全監(jiān)督分類新方法[J]. 劉志剛,史文中,李德仁,秦前清.  遙感學(xué)報(bào). 2005(04)



本文編號：3491938