基于支持向量機(jī)和模糊后處理的遙感圖像分類(lèi)研究.pdf

1、遙感圖像的分類(lèi)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(yuǎn)遠(yuǎn)不能滿足海量數(shù)據(jù)處理的需要，因此，研究計(jì)算機(jī)智能識(shí)別分類(lèi)，對(duì)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(jī)（Support Vector Machine，SVM）技術(shù)是近年來(lái)智能分類(lèi)領(lǐng)域的熱點(diǎn)。它于九十年代中期提出，在統(tǒng)計(jì)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(jìn)的理論背景，使之在處理小樣本分類(lèi)的情況中

2、，展現(xiàn)出分類(lèi)精度高、算法穩(wěn)定有效的特點(diǎn)。而遙感圖像分類(lèi)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(jī)在遙感圖像分類(lèi)中的應(yīng)用具有較高的實(shí)際價(jià)值和廣闊的發(fā)展空間。
　　 本文研究了遙感圖像分類(lèi)的新方法——基于支持向量機(jī)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(xì)探討兩類(lèi)及多類(lèi)分類(lèi)支持向量機(jī)，對(duì)一對(duì)余和一對(duì)一SVMs的優(yōu)勢(shì)與不足進(jìn)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