基于支持向量機的高光譜遙感圖像分類.pdf

1、本文針對高光譜數據的特性，對SVM在高光譜圖像分類中的應用進行了研究，主要內容和創(chuàng)新點如下： 1．分析了高光譜數據的特性和高光譜圖像的分類流程以及各處理階段的內容；指出傳統(tǒng)的分類方法在處理高光譜數據分類時存在的弊端，并給出了用支持向量機進行高光譜圖像分類的優(yōu)點。 2．深入研究了多類SVM，并從四個方面總結了現有的多類支持向量機的構造方法：用多個兩類分類器實現多類分類、用層次型兩類分類器實現多類分類、用一個最優(yōu)化問題一次性

2、實現多類分類和糾錯編碼的SVM，介紹了每種構造方法的代表性算法，并系統(tǒng)的比較了各種方法的優(yōu)劣。 3．提出了一種二次分類的多類支持向量機，它改良了子分類器的權向量系數，提高了不易分的類別之間的可分程度。超光譜圖像的分類實驗結果表明，該方法具有一定的優(yōu)越性。 4．提出了一種基于1-a-1 SVM的模糊支持向量機，在一定程度上解決了傳統(tǒng)的支持向量機產生的不可分區(qū)域問題。高光譜分類實驗結果表明，文中提出的算法在同等條件下提高了分