基于改进SVM算法的高分辨率遥感影像分类

编号 zgly0001595214

文献类型 期刊论文

文献题名 基于改进SVM算法的高分辨率遥感影像分类

作者 邓曾  李丹  柯樱海  吴燕晨  李小娟  宫辉力 

作者单位 首都师范大学城市环境过程与数字模拟国家重点实验室培育基地 

母体文献 国土资源遥感 

年卷期 2016年03期

年份 2016 

分类号 TP751 

关键词 高分辨率遥感影像  支持向量机(SVM)  主成分分析  网格搜索法  分类性能 

文摘内容 针对面向对象高分辨率遥感影像分类样本维数多、数据量大的特点,提出了一种简单的支持向量机(support vector machine,SVM)改进算法。首先对原始样本数据进行主成分分析(principal component analysis,PCA)实现降维,对降维后的样本数据进行SVM分类器训练,利用网格搜索法得出降维数据的最佳参数;以此参数作为基准,对基于原始样本数据的SVM分类器参数搜索范围进行重新设定,从而快速获取原始样本数据的最佳SVM分类器参数,并实现分类。利用2景World View2高分辨率影像分别对城市土地利用以及林木树种进行分类实验,比较分析传统SVM算法、仅基于PCA降维样本数据的SVM算法以及改进的SVM算法在分类精度与效率方面的差异。实验结果表明,改进的SVM算法能够快速有效地寻找最佳SVM分类器参数,并获得较高的分类精度。