基于K-means与SVM结合的遥感图像全自动分类方法

• 作者: 居红云 张俊本 李朝峰 王正友
• 来源期刊: 计算机应用研究
• 关键词: K-means 支持向量机 遥感图像分类
• 年，卷（期）: 2007,（11）
• 所属期刊栏目: 图形图像
• 页码范围: 318-320
• 页数: 3页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2007.11.098

摘要

遥感图像分类方法通常采用监督的学习算法,它需要人工选取训练样本,比较繁琐,而且有时很难得到;而非监督学习算法的分类精度通常很难令人满意.针对这些缺陷,提出一种基于K-means与支持向量机(SVM)结合的遥感图像全自动分类方法.首先使用K-means聚类算法对样本进行初始聚类,根据每类中样本数及其稀疏程度选取一些点作为标记的学习样本训练SVM分类器,然后用SVM对原始数据重新分类.Iris数据和遥感数据的实验结果均验证了新方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王正友	江西财经大学信息管理学院	27	325	10.0	17.0
2	李朝峰	江南大学信息工程学院	16	173	7.0	13.0
3	张俊本	江南大学信息工程学院	5	65	3.0	5.0
4	居红云	江南大学信息工程学院	3	60	3.0	3.0