| 基于支持向量机的几种核函数遥感图像分类比较 |
| |
| 引用本文： | 孙彦花,梁怀翔.基于支持向量机的几种核函数遥感图像分类比较[J].环球赛鸽科技,2015(4). |
| |
| 作者姓名： | 孙彦花 梁怀翔 |
| |
| 作者单位： | 1. 山东省煤田地质局物探测量队,山东泰安,271000
2. 北京望神州科技有限公司,中国北京,100085 |
| |
| 摘 要： | 图像分类是人们获取信息的一种重要的手段,传统的分类方法是以经验风险最小化为归纳原则,只有当训练样本数趋于无穷时,其性能才能达到理论上的最优.当样本不足时,传统的分类方法往往不能达到理想的分类精度.与传统的人工神经网络相比,支持向量机理论体现了结构风险最小化原则,它不仅结构简单,泛化能力强,而且能较好的解决小样本、高维数据和局部极小等实际问题.本文以试验区的地物分类为研究背景,建立了支持向量机的算法框架,并分别使用多项式核函数,径向基核函数、Sigmoid核函数以及线性核函数四种核函数对图像进行了多类别分类实验.
|
| 关 键 词： | 支持向量机 统计学习理论 图像分类 核函数 |
Comparison of Remote Sensing Image Classification by Several Kinds of Support Vector Machine Kernel Function |
| |
| SUN Yan-hua,LIANG Huai-xiang.Comparison of Remote Sensing Image Classification by Several Kinds of Support Vector Machine Kernel Function[J].Global Racing Pigeon Science,2015(4). |
| |
| Authors: | SUN Yan-hua LIANG Huai-xiang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
