基于模糊聚類的選擇性支持向量機集成.pdf

1、支持向量機(supportvectormachine，SVM)是一種新的機器學(xué)習(xí)算法，是借助于最優(yōu)化方法解決機器學(xué)習(xí)問題的新工具，它的理論基礎(chǔ)是Vapnik創(chuàng)建的統(tǒng)計學(xué)習(xí)理論。它通過結(jié)構(gòu)風(fēng)險最小化準則和核函數(shù)方法，較好地解決了模式分類器復(fù)雜性和推廣性之間的矛盾，引起了模式識別領(lǐng)域?qū)W者的極大關(guān)注。近年來，隨著其快速訓(xùn)練算法的出現(xiàn)，支持向量機在手寫體識別、聲音識別、人臉檢測、文本分類、圖像處理等領(lǐng)域取得了很大的成功。 針對支持向量機

2、在遙感圖像的應(yīng)用，本文所做具體工作及創(chuàng)新如下： (1)參加了浙江省科技廳科技計劃項目《基于高光譜遙感的森林資源模式識別技術(shù)研究》的研究開發(fā)。 (2)介紹了課題組經(jīng)過多次研究探討提出的理論——基于模糊聚類的選擇性支持向量機集成，即首先在訓(xùn)練集上利用Bootstrap方法訓(xùn)練多個支持向量機個體，然后對這些支持向量機個體進行聚類，并選出各類中最接近靠近聚類中心的個體，組成選擇后的個體集合，然后采用投票法進行集成，獲得基于模糊聚