基于支持向量机的高维多光谱数据分类

摘要：

@@ 1引言
多光谱技术是人们获取、感知地球表面信息的一种重要手段[1].随着传感器技术的进步,新型多光谱传感器光谱分辨率达到了纳米级,具有几百个(100～300)光谱波段,这为人们提供了丰富的地物信息.然而由于其数据维数高、学习样本数量常常有限,使得高维多光谱数据分类面临许多新的课题.传统模式识别方法在处理高维多光谱数据时,面临着巨大的困难:(1)基于经典统计学的模式识别方法只有当训练样本数量趋于无穷时,性能才能达到最优.当样本数量较少时,通常难以取得很好的结果;(2)传统方法在高维数据分类时Hughes现象十分严重[2];(3)基于Bayes理论的方法需要对数据的概率分布做出假设,且当假设与数据真实概率分布不相符合时,分类精度急剧恶化;(4)神经网络分类器已经被应用于多光谱数据分类[3,4],取得了比Bayes方法更好的结果,但神经网络存在训练速度慢,易陷入局部极小点等缺陷.

机标关键词：支持向量机、高维数据分类、光谱数据分类、Support Vector Machine、多光谱数据、样本数量、模式识别方法、神经网络、概率分布、网络分类器、经典统计学、光谱分辨率、光谱传感器、多光谱技术、传感器技术、训练速度、数据维数、光谱波段、分类精度、地物信息

所属期刊栏目：29

分类号：TP3(计算技术、计算机技术)

资助基金：科技部科研项目;高等学校博士学科点专项科研项目

在线出版日期：2005-12-22（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：94-96,51