31119.svm加權(quán)學(xué)習(xí)下的lidar數(shù)據(jù)多元分類研究

1、分類號密級UDC學(xué)號桂林電子科技大學(xué)碩士學(xué)位論文題目：SVM加權(quán)學(xué)習(xí)下的LiDAR數(shù)據(jù)多元分類研究（英文英文）AerialLidarDataMultiClassificationUsingTheWeightedSupptVectMachines研究生姓名:郭寧指導(dǎo)教師姓名指導(dǎo)教師姓名、職務(wù)職務(wù):吳軍教授申請學(xué)科門類:工學(xué)碩士學(xué)科、專業(yè):測試計(jì)量技術(shù)及儀器提交論文日期:2011年4月論文答辯日期:2011年6月年月日獨(dú)創(chuàng)性獨(dú)創(chuàng)性（或創(chuàng)新性

2、或創(chuàng)新性）聲明聲明摘要I摘要近年來，機(jī)載激光測距(LightDetectRangeLiDAR)主動遙感技術(shù)以其高空間分辨率、高自動化數(shù)據(jù)采集效率而廣泛應(yīng)用于地形測繪、森林監(jiān)測以及城市建模等多個領(lǐng)域。然而，由于LiDAR所采集的信息是關(guān)于地表特征的高密度三維離散點(diǎn)(稱為“點(diǎn)云”)，缺乏語義線索，難以作為專題信息直接使用，因此發(fā)展高效的數(shù)據(jù)處理算子如分類算法，從“點(diǎn)云”中提取諸如水域、樹冠以及道路網(wǎng)等專題信息成為目前研究的熱點(diǎn)和難點(diǎn)。本文以

3、支持向量機(jī)(SVM)統(tǒng)計(jì)學(xué)習(xí)為理論依據(jù)對城區(qū)機(jī)載LiDAR數(shù)據(jù)分類問題進(jìn)行了研究，以實(shí)現(xiàn)對城區(qū)機(jī)載LiDAR數(shù)據(jù)多元分類（地面，樹木，建筑）為目的，主要工作如下：①基于參考文獻(xiàn)及相關(guān)試驗(yàn)結(jié)果，確定了對機(jī)載LiDAR數(shù)據(jù)進(jìn)行多元分類所需的特征矢量該矢量包括4個特征值：高度信息，高度變化，平面擬合誤差，激光返回強(qiáng)度。②基于支持向量機(jī)分類過程中不同特征對分類結(jié)果貢獻(xiàn)存在差異這一事實(shí)，提出了支持向量機(jī)加權(quán)學(xué)習(xí)(WeightedSupptVect

4、MachineWSVM)的概念，并通過引入特征單類權(quán)重、多類權(quán)重屬性以及特征的加權(quán)歸一化處理來予以實(shí)現(xiàn)。③結(jié)合SVM分類的精度估計(jì)過程，給出了本文兩種特征權(quán)重的計(jì)算方法并據(jù)此提出了多元分類策略1AAA1，分階段構(gòu)造具有最大響應(yīng)輸出能力的分類器，從而整體上保證了分類可靠性。④以兩組標(biāo)準(zhǔn)測試數(shù)據(jù)以及兩塊城區(qū)的機(jī)載LIDAR數(shù)據(jù)以及兩塊標(biāo)準(zhǔn)測試數(shù)據(jù)為例，就其中特征矢量的選取與加權(quán)歸一化，特征權(quán)重的計(jì)算以及多元分類策略1AAA1的實(shí)施進(jìn)行了詳細(xì)