LSSVM算法在极化SAR影像分类中的应用

• 作者: 余洁 刘利敏 孟云闪 张中山 隋克林
• 来源期刊: 地理空间信息
• 学科: 地球科学
• 关键词: 极化合成孔径雷达 LSSVM 分类
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 3S技术
• 页码范围: 43-45
• 页数: 3页
• 分类号: P237
• 字数: 3034字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4623.2012.03.014

摘要

最小二乘支持向量机（LSSVM）是针对标准支持向量机（SVM）算法训练时间长的问题而提出的一种改进算法。针对SVM算法在极化SAR影像分类时存在效率较低的问题,以目标分解理论为基础,对LSSVM算法应用于极化SAR影像分类的有效性进行了研究。结果表明,对于极化SAR影像分类,LSSVM算法与SVM算法的分类精度相当,但时间效率远优于SVM算法,并且对参数的调整也具有更好的稳定性,同时泛化能力良好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余洁	武汉大学遥感信息工程学院	34	303	9.0	16.0
2	孟云闪	武汉大学遥感信息工程学院	2	19	2.0	2.0
3	刘利敏	武汉大学遥感信息工程学院	10	39	4.0	5.0
4	张中山		1	6	1.0	1.0