高光谱遥感影像SVM分类中训练样本选择的研究

• 作者: 杜培军 王晓玲 谭琨
• 来源期刊: 测绘科学
• 学科: 工学
• 关键词: 支持向量机(SVM) 最优超平面 混合像元 遥感分类
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 技术创新
• 页码范围: 127-129
• 页数: 3页
• 分类号: TP75
• 语种: 中文

摘要

支持向量机(SVM)分类的关键是发现分类最优超平面及类别间隔,而混合像元比纯净像元更接近类别边界,更容易找出最优超平面.本文针对SVM分类器的特点,在高光谱数据分类中采用混合像元作为训练样本对SVM进行训练,试验表明采用类别边界上的混合像元作为训练样本是可行的,能够获得与纯净训练样本接近的分类精度,进一步验证了SVM分类对训练样本空间分布依赖度较低的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜培军	中国矿业大学测绘与空间信息工程研究所	161	3419	32.0	50.0
2	谭琨	中国矿业大学测绘与空间信息工程研究所	39	553	11.0	23.0
3	王晓玲	中国矿业大学测绘与空间信息工程研究所	8	105	4.0	8.0