• 全国中文核心期刊
  • 中国科技核心期刊
  • 中国科学引文数据库收录期刊
  • 世界期刊影响力指数(WJCI)报告来源期刊
  • Scopus, CA, DOAJ, EBSCO, JST等数据库收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

喀斯特地区遥感影像解译新算法——支持向量机算法

朱星磊 安裕伦 黄祖宏 王静敏

朱星磊, 安裕伦, 黄祖宏, 王静敏. 喀斯特地区遥感影像解译新算法——支持向量机算法[J]. 中国岩溶, 2011, 30(2): 222-226. doi: 10.3969/j.issn.1001-4810.2011.02.016
引用本文: 朱星磊, 安裕伦, 黄祖宏, 王静敏. 喀斯特地区遥感影像解译新算法——支持向量机算法[J]. 中国岩溶, 2011, 30(2): 222-226. doi: 10.3969/j.issn.1001-4810.2011.02.016
ZHU Xing-lei, AN yu-lun, HUANG Zu-hong, WANG Jing-min. Application of a new remote sensing image interpretation method in karst area - support vector machine algorithm[J]. CARSOLOGICA SINICA, 2011, 30(2): 222-226. doi: 10.3969/j.issn.1001-4810.2011.02.016
Citation: ZHU Xing-lei, AN yu-lun, HUANG Zu-hong, WANG Jing-min. Application of a new remote sensing image interpretation method in karst area - support vector machine algorithm[J]. CARSOLOGICA SINICA, 2011, 30(2): 222-226. doi: 10.3969/j.issn.1001-4810.2011.02.016

喀斯特地区遥感影像解译新算法——支持向量机算法

doi: 10.3969/j.issn.1001-4810.2011.02.016
基金项目: 喀斯特石漠化信息遥感定量提取技术研究(贵州省攻关项目,黔科合GY字(2007)3017)、基于中巴02B星的毕节地区生态建设与演化遥感示范研究(贵州省攻关项目,黔科合GY字(2008)3022)

Application of a new remote sensing image interpretation method in karst area - support vector machine algorithm

  • 摘要: 现行的遥感影像解译方法有监督分类和非监督分类。在监督分类中有平行算法,最小距离算法、最大似然算法等,而支持向量机是监督分类中的一种新的算法。本研究选择贵阳市花溪区小碧乡局部地区为研究对象,采用SPOT数据,分别运用最大似然算法和支持向量机算法对研究区遥感影像进行解译。通过建立混淆矩阵,来计算分类精度和Kappa系数。结果表明:支持向量机具有分类精度高,分类图斑完整等优点;但在时间的消耗上,支持向量机算法要比最大似然算法长。对于这两种算法而言,都存在地物光谱特征明显相异的地物易于区别,光谱相似的地物容易造成错分的现象,然而支持向量机分类精度要比最大似然分类精度高一些。支持向量机对样本数量具有敏感性,样本数量过多将导致运算时间过长。因此在实际运用中应根据实际情况,选择适合的算法。

     

  • [1] 惠文华.基于支持向量机的遥感图像分类方法[J].地球科学与环境学,2006,28(2):93—95.
    [2] 贵阳市花溪区人民政府网.
    [3] 《花溪区综合农业区划》编写组.花溪区综合农业区划[M].贵阳:贵州人民出版社,1989:53-150.
    [4] 赵英时等,遥感应用分析原理与方法[M].北京:科学出版社,2003.
    [5] 沈焕锋,钟燕飞等,ENVI遥感影像处理方法[M].武昌:武汉大学出版社,2009.
    [6] 温兴平,胡光道,杨晓峰.基于支持向量机的CBERS-02卫星影像信息提取[J].测绘科学,2008,33(5):146—148.
    [7] Keerthi S S, Lin C J. Asymptotic Behaviors of Support Vector Machines with Gaussian Kernel [J]. Neural Computation,2003,15(7):1667-1689.
    [8] Lin H T, Lin C J. A study on sigmoid kernels for SVM and the training of non-PSD kernels by SMO-type methods,Technical report[R].2003, Department of Computer Science, National Taiwan University.
    [9] 喻琴.基于决策树模型的喀斯特石漠化光谱信息自动提取研究[D].贵州师范大学硕士学位论文,贵阳,2009.
  • 加载中
计量
  • 文章访问数:  2772
  • HTML浏览量:  393
  • PDF下载量:  2427
  • 被引次数: 0
出版历程
  • 收稿日期:  2010-12-04
  • 发布日期:  2011-06-25

目录

    /

    返回文章
    返回