基于改進(jìn)支持向量機(jī)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(diǎn)，使得很多在寬波段遙感中不能夠探測得到的物質(zhì),可以在高光譜遙感中被探測，從而增強(qiáng)地物目標(biāo)信息的探測能力，近年來受到許多國內(nèi)外研究學(xué)者的青睞。很多研究學(xué)者利用支持向量機(jī)高效搜索和強(qiáng)大的進(jìn)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(biāo)標(biāo)記類別問題。但是目前常用的支持向量機(jī)影像分類方法受限于參數(shù)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(jī)參數(shù)

2、，結(jié)合高光譜遙感影像數(shù)據(jù)特點(diǎn)，采用支持向量數(shù)據(jù)描述算法使高光譜遙感影像數(shù)據(jù)包含在一個(gè)盡可能小的超球，再利用空間度量可分性性質(zhì)得到了一種改進(jìn)支持向量機(jī)的分類方法，并且將該分類方法應(yīng)用到高光譜遙感影像的分類中，本文的主要研究工作如下：
　　（1）針對目前常用的支持向量機(jī)影像分類方法在核函數(shù)和參數(shù)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(jī)參數(shù)。
　?。?）結(jié)合高光譜遙感影像數(shù)據(jù)的特點(diǎn)，采用支持向量數(shù)據(jù)描述算法使高光譜遙

3、感影像數(shù)據(jù)包含在一個(gè)盡可能小的超球，再利用空間度量可分性性質(zhì)，以高光譜遙感影像作為研究對象，提出了一種改進(jìn)的支持向量機(jī)影像分類方法。
　　（3）在.NET平臺下，借助C＃編程語言，實(shí)現(xiàn)提出的改進(jìn)支持向量機(jī)影像分類方法。
　?。?）將改進(jìn)支持向量機(jī)的影像分類算法應(yīng)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(jī)影像分類方法進(jìn)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(jīng)網(wǎng)絡(luò)影像分類方法和K均值影像分