无人工样本的SVM遥感图像分类方法

• 作者: 冯银波 李俊 陈善学
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 遥感图像分类 模糊C均值聚类 支持向量机 隶属度
• 年，卷（期）: 2013,（23）
• 所属期刊栏目: 数字视频
• 页码范围: 27-30,34
• 页数: 5页
• 分类号: TN911.73
• 字数: 4515字
• 语种: 中文

摘要

针对遥感图像监督分类方法需要人工提取训练样本的缺陷,提出一种模糊K均值聚类(FCM)提取训练样本、支持向量机(SVM)进行分类的方法.首先用FCM进行初步分类得到隶属度矩阵并判断每个样本的类别号;然后根据隶属度矩阵提取每类样本中密集程度较高的样本作为训练样本;最后用SVM对样本进行训练、再次分类.该方法克服了SVM算法需要人工样本的缺点,改善了传统非监督分类算法的性能,UCI标准数据库Iris数据和遥感数据样本的实验结果证明了该方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈善学	重庆邮电大学移动通信安全研究所	84	380	9.0	13.0
2	李俊	重庆邮电大学移动通信安全研究所	5	12	2.0	3.0
3	冯银波	重庆邮电大学移动通信安全研究所	3	22	3.0	3.0