基于SVM的高维多光谱图像分类算法及其特性的研究

• 作者: 何明一 夏建涛
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多光谱图像 支持向量机 推广能力 模式分类
• 年，卷（期）: 2003,（13）
• 所属期刊栏目: 博士论文
• 页码范围: 27-28,89
• 页数: 3页
• 分类号: TP312
• 字数: 2521字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2003.13.010

摘要

针对传统模式分类算法在处理高维多光谱图像时面临的困难,文章把支持向量机(Support Vector Machine,SVM)用于高维多光谱图像分类,有效地减弱了Hughes现象,获得了比传统方法更好的分类精度.研究了高维多光谱图像分类中SVM的分类性能与训练样本数目和数据维数之间的关系.实验结果表明,与传统模式分类方法相比,SVM具有分类精度高、推广性强的优点,尤其是当学习样本数目较少、数据维数高时,SVM的优势更加明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏建涛	西北工业大学电子工程系	7	171	5.0	7.0
2	何明一	西北工业大学电子工程系	122	1497	22.0	33.0