基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
惩罚系数是支持向量机(SVM)机器学习中的一个重要参数,它的设置对分类结果有很大影响.但它没有规律可循,高光谱影像数据量大、数据复杂,为其选择合适的惩罚系数非常困难.提出尤惩罚系数的SVM算法,利用最近点算法(NPA)计算二分类,对错分数据不设惩罚系数,而是对其重新构造凸集,计算最优超平面,迭代循环直到错分率达到所设的阈值为止.此算法简化了计算过程,降低了误分率.最后用AVIRIS高光谱影像进行实验,实验效果显示,本算法的分类精度和速度都得到很大提高.
推荐文章
基于高光谱影像的树种分类
高光谱
超光谱成像仪(HSI)
树种分类
光谱角填图
线性波谱分离
基于SVM与RF的无人机高光谱农作物精细分类
无人机高光谱
特征提取
影像分类
随机森林
支持向量机
结合纹理信息Hyperion高光谱影像分类
森林测计学
遥感
分类
高光谱
端元
纹理
高光谱影像波段选择算法研究
高光谱影像
波段选择
特征提取与选择
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 无惩罚系数SVM高光谱影像分类算法研究
来源期刊 测绘通报 学科 地球科学
关键词 SVM 高光谱遥感图像 惩罚系数 波段相关系数
年,卷(期) 2009,(6) 所属期刊栏目 学术研究
研究方向 页码范围 22-25,77
页数 5页 分类号 P237
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陶建斌 武汉大学遥感信息工程学院 18 147 7.0 12.0
2 舒宁 武汉大学遥感信息工程学院 106 1587 21.0 35.0
3 沈照庆 武汉大学遥感信息工程学院 13 90 5.0 9.0
4 刘玲 武汉大学遥感信息工程学院 24 89 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (18)
参考文献  (5)
节点文献
引证文献  (3)
同被引文献  (6)
二级引证文献  (17)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(4)
  • 引证文献(1)
  • 二级引证文献(3)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(5)
  • 引证文献(0)
  • 二级引证文献(5)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
SVM
高光谱遥感图像
惩罚系数
波段相关系数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
测绘通报
月刊
0494-0911
11-2246/P
大16开
北京西城区三里河路50号
2-223
1955
chi
出版文献量(篇)
8030
总下载数(次)
39
论文1v1指导