特征维数对支持向量机分类器性能影响的研究——以高光谱遥感影像为例
本文为验证SVM对高维特征的适应性和可靠性,针对不同特征提取方法与特征组合,以国产OMIS Ⅱ传感器获得的北京昌平地区高光谱遥感据为例,对SVM分类器中特征维数对分类准确率的影响进行了试验,通过对主成分分析、最小噪声分离算法、相关系数分组后特征提取、导数光谱等的分析,表明SVM分类器的分类精度随着特征维数波动,其中主成分分析降维后提取的特征具有用于分类能够获得最高的准确率.通过与最大似然法和光谱角制图分类算法的比较,说明在同样的特征输入情况下SVM分类算法分类的准确率高于最大似然法和光谱角制图分类器.
高光谱遥感、支持向量机、特征提取、分类
36
TP753(遥感技术)
国家自然科学基金项目40401038;国家高技术研究发展计划863计划项目2007AA12Z162;高等学校博士学科点专项科研基金资助课题20070290516;江苏省普通高校研究生科研创新计划资助项目CX08B_112Z;中央高校基本科研业务费专项资金资助2010QNA18
2011-04-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
55-57,31