基于SVM的高光譜遙感影像分類中參數(shù)影響研究

2.1萬字 49頁 包括外文翻譯，原創(chuàng)作品，已通過查重系統(tǒng)

摘 要
高光譜圖像處理的一個(gè)基本內(nèi)容是將目標(biāo)物體分類。在具體應(yīng)用中，訓(xùn)練樣本數(shù)量總是有限的。統(tǒng)計(jì)學(xué)習(xí)理論第一次系統(tǒng)地研究了樣本在有限情況下的機(jī)器學(xué)習(xí)問題，同時(shí)提出了一種通用的機(jī)器學(xué)習(xí)方法——支持向量機(jī)(SVM)。本文將SVM用于高光譜遙感圖像分類，具體的內(nèi)容體現(xiàn)在以下三個(gè)方面：
1、系統(tǒng)總結(jié)歸納了經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則、凸二次規(guī)劃問題以及核函數(shù)映射等關(guān)鍵理論和基礎(chǔ)知識(shí)，論述了當(dāng)前常用的SVM 實(shí)現(xiàn)技術(shù)。
2、通過實(shí)驗(yàn)用控制變量法分別比較了分析了模型參數(shù)（包括核參數(shù)和誤差懲罰因子）對(duì)SVM 分類算法的影響，以及核參數(shù)性能指標(biāo)。還具體論述了核參數(shù)對(duì)SVM性能優(yōu)劣的作用，提出用核矩陣解析，將SVM訓(xùn)練最后化成二次規(guī)劃問題，大大減少了計(jì)算難度。由此可得到更好的SVM分類器。
3、分析了高光譜遙感圖像的特性與傳統(tǒng)的分類方法面臨的主要問題，實(shí)驗(yàn)研究表明了核模型參數(shù)選取的重要性。所以模型參數(shù)的選取變得相當(dāng)重要，甚至比核函數(shù)的選取更加重要，于是本文提出了兩種選取方法，為網(wǎng)格搜索算法和遺傳算法。系統(tǒng)介紹了這兩種算法的思想。



關(guān)鍵字：支持向量機(jī)，模型參數(shù)選取， 高光譜遙感， 核參數(shù)性能