改進(jìn)的ECOC SVMs及其在礦區(qū)土地利用-覆被變化監(jiān)測(cè)中的應(yīng)用研究.pdf

1、礦區(qū)土地利用/覆被變化（LUCC）監(jiān)測(cè)對(duì)礦區(qū)資源環(huán)境、區(qū)域發(fā)展研究都具有重要意義。土地利用/覆被變化監(jiān)測(cè)常用的分類后比較法，其關(guān)鍵在于遙感分類算法的準(zhǔn)確性。支持向量機(jī)（SVM）是常用的遙感分類算法，尤其在解決遙感影像高維度、小樣本問題方面具有優(yōu)勢(shì)。目前的SVM的多分類算法存在分類器冗余、不確定區(qū)域、誤差累計(jì)等問題，因此如何提高算法效率和優(yōu)化推廣能力仍是當(dāng)前研究急需解決的難題。由于其獨(dú)特的糾錯(cuò)機(jī)制，糾錯(cuò)輸出編碼支持向量機(jī)（ECOC SVM

2、s）能在一定程度上減少錯(cuò)分情況的發(fā)生。將聚類信息、類間分離性測(cè)度用于ECOC碼字的構(gòu)造與優(yōu)選能夠進(jìn)一步優(yōu)化ECOC SVMs的推廣性能，提升分類精度，對(duì)于遙感影像分類及LUCC研究具有重要意義。
　　本文從提升分類器推廣性能的角度對(duì)多組 UCI數(shù)據(jù)集、遙感多光譜及高光譜數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，構(gòu)造了一種基于分離性測(cè)度改進(jìn)的糾錯(cuò)輸出編碼支持向量機(jī)多分類框架（SW-ECOC SVMs），從碼字分配和加權(quán)解碼兩個(gè)角度進(jìn)行了優(yōu)化，提升ECOC S

3、VMs方法對(duì)于遙感影像的多分類準(zhǔn)確率。實(shí)驗(yàn)證明該方法對(duì)于FLC1、AVIRIS KSC、Botswanna數(shù)據(jù)集均可在利用較少子分類器的情況下獲得更高的分類精度（2％左右）。基于上述算法，選取淮南煤礦區(qū)為研究對(duì)象，利用RS與GIS技術(shù)對(duì)該礦區(qū)LUCC情況進(jìn)行了研究，從變化速率、變化程度、景觀指數(shù)等角度對(duì)2002年淮南礦區(qū)復(fù)墾工程正式開展以來的土地利用/覆被、景觀格局變化情況進(jìn)行全面分析。研究結(jié)果表明，淮南礦區(qū)土地復(fù)墾工作效果顯著，已有效