基于混合核函数BDK的支持向量机遥感图像分类

基于混合核函数BDK的支持向量机遥感图像分类
古丽娜孜・艾力木江;孙铁利;乎西旦;冯雪花
【期刊名称】《西北师范大学学报（自然科学版）》
【年(卷),期】2016(052)003
【摘要】以支持向量机关键部分核数的有效选定作为探究目标，从核函数选取规则着手，将遥感数据领域知识嵌入到核函数构造问题中，结合遥感数据本身特征提出一种能同时兼顾到样本亮度差异性和角度差异性的混合核函数选取方法，通过支持向量机传统核函数分类效果进行对比分析，表明混合核方法的有效性。

%The technology of remote sensing image classification , selection of classification rules and the selection of kernel function affect the classification accuracy among the samples . The key part of the support vector machine(SVM ) kernel function is effectively selection as exploration target rules from the selection of kernel function . The remote sensing data knowledge embedded in the kernel function structure
problems ,combined with the feature of remote sensing data itself can put forward a kind of both samples to the brightness difference and angle difference of the mixed kernel function selection method . The kernel function of SVM and traditional SVM classification effect are analyzed to show the effectiveness of mixed kernel methods .
【总页数】8页(P49-56)
【作者】古丽娜孜・艾力木江;孙铁利;乎西旦;冯雪花
【作者单位】伊犁师范学院电子与信息工程学院，新疆伊宁 835000; 东北师范大学地理科学学院，吉林长春 130024;东北师范大学计算机科学与信息技术学院，吉林长春 130117;伊犁师范学院电子与信息工程学院，新疆伊宁 835000;伊犁师范学院电子与信息工程学院，新疆伊宁 835000
【正文语种】中文
【中图分类】TP391.1
【相关文献】
1.基于Grey-Sigmoid核函数支持向量机高光谱遥感图像分类方法研究 [J], 王颢霖;郭伟;师越;乔红波
2.基于混合核函数的自组织神经网络遥感图像分类 [J], 尹汪宏;李朝峰;张俊本;王正友
3.基于支持向量机的遥感图像分类研究综述 [J], 王振武;孙佳骏;于忠义;卜异亚
4.基于深度学习特征和支持向量机的遥感图像分类 [J], 业巧林;许等平;张冬
5.基于深度学习特征和支持向量机的遥感图像分类 [J], 业巧林;许等平;张冬;
因版权原因，仅展示原文概要，查看原文内容请购买。