原文服务方: 杭州电子科技大学学报(自然科学版)       
摘要:
该文应用蚊群算法和支持向量机实现多光谱遥感图像分类.首先提取出多光谱遥感图像的光谱特征、纹理特征和形状特征,然后利用蚁群优化算法从提取出的多维特征空间中选择最优的特征子集向量,最后将特征子集作为支持向量机分类器的输入量实现分类.实验结果显示,较传统的K均值方法文章给出的方法能够提高遥感图像的分类精度.
推荐文章
基于蚁群优化与独立特征集的遥感图像实时分类算法
人工智能
特征提取
遥感图像
时间效率
蚁群优化算法
极限学习机
基于DE-GEP的高光谱遥感图像分类
遥感图像
演化算法
波段选择
分类
基于蚁群优化分类规则挖掘的遥感图像分类研究
蚁群优化算法
分类规则挖掘
遥感图像分类
基于蚁群优化与独立特征集的遥感图像实时分类算法
人工智能
特征提取
遥感图像
时间效率
蚁群优化算法
极限学习机
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 基于蚁群算法的多光谱遥感图像分类
来源期刊 杭州电子科技大学学报(自然科学版) 学科
关键词 多光谱遥感图像 分类 光谱特征 形状特征 蚁群算法 支持向量机分类器
年,卷(期) 2012,(4) 所属期刊栏目
研究方向 页码范围 88-91
页数 分类号 TP753
字数 语种 中文
DOI 10.3969/j.issn.1001-9146.2012.04-023
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 覃亚丽 浙江工业大学信息工程学院光纤通信与信息工程研究所 55 160 6.0 10.0
2 胡河山 浙江工业大学信息工程学院光纤通信与信息工程研究所 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (19)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (30)
二级引证文献  (69)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2017(12)
  • 引证文献(0)
  • 二级引证文献(12)
2018(31)
  • 引证文献(1)
  • 二级引证文献(30)
2019(23)
  • 引证文献(0)
  • 二级引证文献(23)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
多光谱遥感图像
分类
光谱特征
形状特征
蚁群算法
支持向量机分类器
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
杭州电子科技大学学报(自然科学版)
双月刊
1001-9146
33-1339/TN
chi
出版文献量(篇)
3184
总下载数(次)
0
总被引数(次)
11145
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导