不同样本分布的SVDD单目标土地覆盖分类方法研究

编号 zgly0001590439

文献类型 期刊论文

文献题名 不同样本分布的SVDD单目标土地覆盖分类方法研究

作者 帅冠元  张锦水  朱爽  潘耀忠 

作者单位 北京师范大学资源学院地表过程与资源生态国家重点实验室 

母体文献 遥感学报 

年卷期 2013年06期

年份 2013 

分类号 S155  TP751 

关键词 单类分类  支持向量数据描述  超球  参数选择  中心/边缘训练样本  小麦 

文摘内容 支持向量数据描述SVDD(Support Vector Data Description)在单目标土地覆盖信息提取中得到了初步的应用,但已有研究一般选择纯净像元作为分类样本,不符合SVDD分类器原理,难以保证精度。本文选择北京市通州区为实验区,基于QuickBird重采样图像和地表真值数据构建不同空间特征的训练样本集,设计两种分类样本选择方案:在训练样本集中随机选择分类样本以及手工选择分类样本,进行SVDD分类。实验结果表明,随着惩罚因子C值逐渐增大或核宽度s值逐渐减小,超球会逐渐减小,生产者精度逐渐降低而用户精度逐渐提高。在最优分类参数的前提下,对样本进行SVDD分类。在模拟实验中,随着样本从中心向边缘逐渐扩散,超球也逐渐增大,分类精度逐渐增高,而最外层的样本接近小麦真实分布的边界,超球内混入其他的地物像元;在真实实验中,中心样本集SVDD分类总精度和生产者精度分别为80.48%和45.15%,而边缘样本集SVDD分类总精度和生产者精度分别为92.71%和95.81%,得到了明显的提升(Z=156.12),表明利用边缘像元进行SVDD分类能够提高目标地物的识别精度。