基于支持向量機和模糊后處理的遙感圖像分類研究.pdf

1、遙感圖像的分類是獲取圖像信息的主要途徑之一。傳統(tǒng)的目視解譯方法已遠遠不能滿足海量數(shù)據(jù)處理的需要，因此，研究計算機智能識別分類，對于批量加工數(shù)據(jù)，減少信息提取的周期，具有十分重要的意義。
　　 支持向量機（Support Vector Machine，SVM）技術(shù)是近年來智能分類領(lǐng)域的熱點。它于九十年代中期提出，在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上結(jié)合了二次規(guī)劃、核方法等已有理論，具有良好的推廣能力。其先進的理論背景，使之在處理小樣本分類的情況中

2、，展現(xiàn)出分類精度高、算法穩(wěn)定有效的特點。而遙感圖像分類里用到的訓(xùn)練樣本一般十分有限，可歸屬于小樣本，所以研究支持向量機在遙感圖像分類中的應(yīng)用具有較高的實際價值和廣闊的發(fā)展空間。
　　 本文研究了遙感圖像分類的新方法——基于支持向量機和模糊后處理的算法。在分析了其相關(guān)理論的基礎(chǔ)上，詳細探討兩類及多類分類支持向量機，對一對余和一對一SVMs的優(yōu)勢與不足進行了剖析，引入模糊隸屬度函數(shù)解決存在的算法缺陷。最后以湖北省武漢地區(qū)的TM543