基于改進支持向量機的高光譜遙感影像分類方法研究.pdf

1、高光譜遙感因其具有較高的光譜分辨率的特點，使得很多在寬波段遙感中不能夠探測得到的物質,可以在高光譜遙感中被探測，從而增強地物目標信息的探測能力，近年來受到許多國內外研究學者的青睞。很多研究學者利用支持向量機高效搜索和強大的進化能力從一定程度上解決了傳統(tǒng)分類方法需要事先獲取地物目標標記類別問題。但是目前常用的支持向量機影像分類方法受限于參數的選擇使得分類精度較低、分類速度較慢。針對這種情況，在本文中試圖利用層次聚類分析法優(yōu)化支持向量機參數

2、，結合高光譜遙感影像數據特點，采用支持向量數據描述算法使高光譜遙感影像數據包含在一個盡可能小的超球，再利用空間度量可分性性質得到了一種改進支持向量機的分類方法，并且將該分類方法應用到高光譜遙感影像的分類中，本文的主要研究工作如下：
　?。?）針對目前常用的支持向量機影像分類方法在核函數和參數選擇上的不足之處，本文利用層次聚類分析法優(yōu)化支持向量機參數。
　?。?）結合高光譜遙感影像數據的特點，采用支持向量數據描述算法使高光譜遙

3、感影像數據包含在一個盡可能小的超球，再利用空間度量可分性性質，以高光譜遙感影像作為研究對象，提出了一種改進的支持向量機影像分類方法。
　?。?）在.NET平臺下，借助C＃編程語言，實現(xiàn)提出的改進支持向量機影像分類方法。
　?。?）將改進支持向量機的影像分類算法應用于高光譜遙感影像分類中，并且將該分類方法和目前常用的支持向量機影像分類方法進行比較分析，再將該分類方法和常用的傳統(tǒng)分類方法中的BP神經網絡影像分類方法和K均值影像分