| 支持向量机在高光谱遥感图像植被分类中的应用 |
| |
| 引用本文： | 马心璐,任志远,王永丽. 支持向量机在高光谱遥感图像植被分类中的应用[J]. 农业系统科学与综合研究, 2009, 25(2): 204-207 |
| |
| 作者姓名： | 马心璐 任志远 王永丽 |
| |
| 作者单位： | 1. 陕西师范大学,旅游与环境学院,陕西,西安,710062;西北核技术研究所,陕西,西安,710024
2. 陕西师范大学,旅游与环境学院,陕西,西安,710062 |
| |
| 摘 要： | 在分析传统统计模式识别分类方法分类精度不高的现状的基础上，以OMIS—I影像为例，采用基于支持向量机的方法对延河流域枣园地区植被信息进行提取，取得了很好的实验结果。与传统的最大似然分类提取方法相比，基于支持向量机的方法提取精度达90．50％，Kappa系数也超过了0．87，比单纯的最大似然分类方法提取精度高得多，而且该方法具有很强的操作性和实用性。图6，表2，参6。
|
| 关 键 词： | 支持向量机(SVM) 高光谱遥感 精度分析 |
Research on Hyperspectral Remote Sensing Image Classification Based on SAM |
| |
| MA Xin-lu,REN Zhi-yuan,WANG Yong-li. Research on Hyperspectral Remote Sensing Image Classification Based on SAM[J]. System Sciemces and Comprehensive Studies In Agriculture, 2009, 25(2): 204-207 |
| |
| Authors: | MA Xin-lu REN Zhi-yuan WANG Yong-li |
| |
| Affiliation: | MA Xin-lu, REN Zhi-yuan, WANG Yong-li ( 1. College of Tourism and Environment, Shaanxi Normal University, Xi＇ an 710062, China ; 2. Northwest Institute of Nuclear Technology, Xi＇an 710024, China ) |
| |
| Abstract: | On the basis of analyzing the actuality of the low accuracy in the traditional statistical pattern recognition classification, the principle and application of support vector machine （SVM） is introduced with a real case of OMIS-I data. Using the OMIS-I data of ZaoYuan , an experiment is conducted and an excellent result is gained. Compared with the traditional Maximum Likelihood Classification （MLC） method, the resuh shows that the precision of this method reaches 90.50 %, kappa coefficient exceeds 0.87. Thus, this method has more superiority and practicability in Hyperspectral remote sensing image classification. |
| |
| Keywords: | support vector machine（SVM） hyperspectral remote sensing accuracy analysis |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
