全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

NWFE结合纹理特征的SVM土地覆被分类方法研究

DOI: 10.6046/gtzyyg.2012.01.07, PP. 36-42

Keywords: 非参数权重特征提取(NWFE),支持向量机(SVM),土地覆被分类

Full-Text   Cite this paper   Add to My Lib

Abstract:

为提高土地覆被分类精度,采用非参数权重特征提取(nonparametricweightedfeatureextraction,NWFE)结合纹理特征的支持向量机(supportvectormachines,SVM)的分类法,对新疆玛纳斯河流域绿洲区2006年的土地覆被进行分类,并将该方法与主成分分析(principalcomponentanalysis,PCA)结合纹理特征的SVM分类、原始波段结合纹理特征的SVM分类进行对比。结果表明,NWFE结合纹理特征的SVM分类结果优于其他2种分类结果,不仅反映了土地覆被分布的整体情况,而且使不同土地覆被类型得到较好的区分,总体分类精度达89.17%。

References

[1]  王静.土地资源遥感监测与评价方法[M].北京:科学出版社,2006:60-61.
[2]  喻小倩,刘娜,李红,等.基于线性光谱混合分解和最大似然分类相结合的土地覆被分类——以红寺堡灌区为例[J].国土资源遥感,2010(1):96-100.
[3]  孙秀邦,范伟,严平,等.遥感影像土地覆被分类研究进展[J].中国农学通报,2007,23(9):607-610.
[4]  关泽群,刘继琳,崔卫红.利用地物的几何属性改进影像分类效果[J].国土资源遥感,2001(1):31-35.
[5]  钱乐祥,崔海山.运用归一化光谱混合模型分析城市地表组成[J].国土资源遥感,2006(2):64-68.
[6]  汪闽,万其明,张大骞,等.光谱、形状特征结合的多精度图像分割算法与应用[J].地球信息科学学报,2010(2):2261-2268.
[7]  Kuo B C,Landgrebe D A.Improved Statistics Estimation and Feature Extraction for Hyperspectral Data Classification[D].Ph D Thesis and School of Electrical and Computer Engineering,Purdue University,West Lafayette,IN,Tech Rep TR-ECE,2001:1-6.
[8]  王硕,周激流,彭博.基于API序列分析和支持向量机的未知病毒检测[J].计算机应用,2010,27(8):1942-1943.
[9]  祁亨年,杨建刚,方露明.基于多类支持向量机的遥感图像分类及其半监督式改进策略[J].复旦学报:自然科学版,2004,43(5):781-784.
[10]  朱志宇,张冰,刘维亭.基于模糊支持向量机的语音识别方法[J].计算机工程,2006,32(2):180-182.
[11]  Tadjudin S,Landgrebe D A.Classification of High Dimensional Data with Limited Training Samples[D].Purdue University,West Lafayette,IN,TR-EE 98-8,April,1998:35-82.
[12]  唐发明,王仲东,陈绵云.支持向量机多分类分类算法研究[J].控制与决策,2005,20(7):746-749,754.
[13]  中国科学院计算机网络信息中心国际科学数据服务平台[DB/OL].[2011-05-31].
[14]  Gao Y N,Zhang W C.Variable Empirical Coefficient Algorithm for Removal of Topographic Effects on Remotely Sensed Data from Rugged Terrain[C]//IGARSS’2007,IEEE,2007:4733-4736.
[15]  祁享年.支持向量机及其应用研究综述[J].计算机工程,2004,30(10):6-9.
[16]  Richards J A,Jia X P.Remote Sensing Digital Image Analysis:An Introduction,4th ed.[M].Berlin,Germany:Springer-Verlag,2006.
[17]  舒宁.卫星遥感影像纹理分析与分形分维方法[J].武汉测绘科技大学学报,1998,23(4):370-373.
[18]  Barald A,Parminggian F.An Investigation on the Texture Characteristics Associated with Gray Level Co-occurrence Matrix Statistical Parameters[J].IEEE Trans on Geosciences and Remote Sensing,1995,32(2):293-303.
[19]  Roli F,Fumera G.Support Vector Machines for Remote Sensing Image Classification[C]//Proc of SPIE,2001:160-166.
[20]  Vapnik V N.The Nature of Statistical Learning Theory[M].New York:Springer,2000.
[21]  谢承旺.不同种类支持向量机算法的比较研究[J].小型微型计算机系统,2008,29(1):106-109.
[22]  Keerthi S S,Lin C I.Asymptotic Behaviors of Support Vector Machines with Gaussian Kernel[J].Neural Computation,2003,15(7):1667-1689.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133