基于SVM不同核函數(shù)的遙感影像分類算法研究

2.12萬字 50頁 原創(chuàng)作品，已通過查重系統(tǒng)

摘 要

在當(dāng)今信息化時(shí)代下，遙感技術(shù)已經(jīng)全面應(yīng)用到各個(gè)領(lǐng)域，遙感圖像分類作為遙感領(lǐng)域的研究熱點(diǎn)，它的發(fā)展對(duì)遙感數(shù)據(jù)分析和信息提取的作用不言而喻。人類需要不斷改進(jìn)遙感圖像分類技術(shù)來應(yīng)對(duì)數(shù)據(jù)量龐大以及優(yōu)化不穩(wěn)定等問題。支持向量機(jī)（SVM）是一種機(jī)器學(xué)習(xí)算法，該算法以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，致力于完成優(yōu)化任務(wù)，使不同的光譜圖像數(shù)據(jù)能夠進(jìn)行分類。核函數(shù)能夠保證樣本集在高維空間下可分，解決維數(shù)災(zāi)難問題以及部分線性不可分的問題。
本文主要的研究?jī)?nèi)容如下：
1）SVM通過優(yōu)化途徑解決分類問題，系統(tǒng)全面地概括支持向量機(jī)理論；
2）對(duì)圖像進(jìn)行預(yù)處理并分析光譜數(shù)據(jù)，研究SVM分類算法，并嘗試提出一種改進(jìn)算法，提高分類精度；
3）對(duì)比不同核函數(shù)對(duì)光譜圖像的分類效果，使用精度較好的高斯核函數(shù)進(jìn)行簡(jiǎn)單分類，再針對(duì)高光譜與多光譜圖像，在不調(diào)節(jié)內(nèi)部參數(shù)的前提下使用4種不同類型的核函數(shù)進(jìn)行對(duì)比實(shí)驗(yàn)，總結(jié)出核函數(shù)對(duì)精度的影響。



關(guān)鍵詞：支持向量機(jī)SVM；核函數(shù)；光譜圖像