10.3969/j.issn.1000-3428.2003.13.010
基于SVM的高维多光谱图像分类算法及其特性的研究
针对传统模式分类算法在处理高维多光谱图像时面临的困难,文章把支持向量机(Support Vector Machine,SVM)用于高维多光谱图像分类,有效地减弱了Hughes现象,获得了比传统方法更好的分类精度.研究了高维多光谱图像分类中SVM的分类性能与训练样本数目和数据维数之间的关系.实验结果表明,与传统模式分类方法相比,SVM具有分类精度高、推广性强的优点,尤其是当学习样本数目较少、数据维数高时,SVM的优势更加明显.
多光谱图像、支持向量机、推广能力、模式分类
29
TP312(计算技术、计算机技术)
国家高技术研究发展计划863计划;国家重点基础研究发展计划973计划;高等学校博士学科点专项科研项目
2003-10-31(万方平台首次上网日期,不代表论文的发表时间)
共3页
27-28,89