编号
zgly0000351123
文献类型
期刊论文
文献题名
基于多类支持向量机的遥感图像分类及其半监督式改进策略
作者单位
浙江大学人工智能研究所
浙江林学院信息工程学院
母体文献
复旦学报: 自然科学版
年卷期
2004,43(5)
页码
781-784
年份
2004
分类号
N941
TP183
关键词
遥感图像分类
支持向量机
训练样本
分类器
分类精度
局部极小
结构风险最小化
监督
类方
效果
文摘内容
基于神经网络的遥感图像分类取得了较好的效果, 但存在固有的过学习、易陷入局部极小等缺点.支持向量机机器学习方法, 根据结构风险最小化(SRM)原理, 表现出很多优于其他传统方法的性能, 本研究的基于多类支持向量机分类器的遥感图像分类取得了达95.4%的分类精度.但由于遥感图像分类类别多, 所需训练样本较大, 人工选择效率较低, 为此提出以人工选择初始聚类质心、C均值模糊聚类算法自动标注训练样本的基于多类支持向量机的半监督式遥感图像分类方法, 期望能在获得适用的分类精度的基础上有效提高分类效率。