基于实值遗传算法与TAFSVM的遥感图像分类

摘要：

支持向量机已经被成功应用于遥感图像分类.一种新型具有良好特性的支持向量机--全间隔自适应模糊支持向量机被提出.这种新型的支持向量机具有通过训练集的模糊性来增强泛化能力;对不平衡训练集具有自适应性,对正负数据采用不同的损失算法,可以提高正确分类率;通过引进全间隔算法来代替软间隔算法,可以得到更低的泛化误差等优良特性,符合遥感图像数据的内在规律.并且运用实值遗传算法对其进行参数优选,得到一种新的分类器--AGATAFSvM.最后将该分类器应用于遥感图像分类.实验结果表明,该分类器非常适用于遥感图像分类,分类精度和稳定性明显高于径向基神经网络分类器、最近邻分类器和标准支持向量机.

关键词：全间隔自适应模糊支持向量机、实值遗传算法、遥感图像、分类

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 10771220;国家教育部高等学校博士点科研基金the China Specialized Research Fund for the Doctoral Program of Higher Education under Grant SRFDP-20070558043

在线出版日期：2010-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：4-7