基于PSO参数优化支持向量机的湿地遥感分类——以鄱阳湖部分区域为例

湿地遥感分类作为湿地管理和利用、动态监测的重要手段,是近年分类研究的热点之一,受到了广泛关注。鉴于湿地系统生态环境特殊,难以进行实地样本点的测取,选取小样本、多维度、高精度的分类方法显得尤为重要。以鄱阳湖国家自然保护区部分区域为研究范围,以landsat8 OLI影像为数据源,以支持向量机分类法为基础,通过PSO算法寻优SVM分类器的高斯核函数参数g和惩罚因子C,初步分析不同样本数目、光谱特征维度和辅助特征维度对于分类精度的影响,并同传统支持向量机分类方法进行比较。研究结果表明,在小样本、高维度情况下,基于PSO参数寻优的分类精度大于传统支持向量机分类精度。在样本数目达到100时,基于PSO参数寻优在高维度分类精度最佳,达到93.03%,较传统的SVM分类提高了1%左右。