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

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 祁亨年  杨建刚  方陆明 

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。