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:
为了研究遥感图像森林林型SVM分类多特征的选择对提高分类精度的影响,选取小波变换不同尺度纹理、四种植被指数、最优波段光谱特征等不同组合构成林型分类多特征向量进行分类。结果表明,纹理与植被指数、最优波段组合多特征的森林林型分类精度最高,阔叶林、针叶林和竹林的分类精度分别为84.4%、86.5%、91.0%,比纹理单类特征分类分别提高4.1%、4.0%、1.1%,比植被指数单类特征分类分别提高9.2%、11.8%、11.9%。多特征的分类精度一般要高于单类特征,纹理能够较明显提高林型可分性,植被指数也有一定的效果,但最优波段光谱特征的效果较弱。
推荐文章
遥感图像林型纹理特征的ICA与SVM分类
遥感图像
林地类型分类
纹理特征
独立成分分析
支持向量机
遥感图像森林类型小波纹理的SVM法分类
遥感图像
森林类型分类
纹理特征
小波变换
支持向量机法
基于蚁群算法的多光谱遥感图像分类
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
基于超像素统计量的随机森林遥感图像分类
Landsat-8
随机森林
超像素
地物覆盖
简单线性迭代聚类
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 遥感图像森林林型SVM分类的多特征选择
来源期刊 计算机工程与应用 学科 工学
关键词 森林林型分类 遥感 支持向量机(SVM) 多特征选择 小波变换
年,卷(期) 2013,(20) 所属期刊栏目 工程与应用
研究方向 页码范围 259-262
页数 4页 分类号 TP79
字数 3757字 语种 中文
DOI 10.3778/j.issn.1002-8331.1201-0279
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 王修信 广西师范大学计算机科学与信息工程学院 62 392 12.0 15.0
5 汤谷云 25 61 5.0 7.0
6 秦丽梅 广西师范大学计算机科学与信息工程学院 3 36 3.0 3.0
10 张晓朋 广西师范大学计算机科学与信息工程学院 4 17 2.0 4.0
12 罗玲 广西师范大学计算机科学与信息工程学院 2 28 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (12)
节点文献
引证文献  (15)
同被引文献  (43)
二级引证文献  (33)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(5)
  • 引证文献(5)
  • 二级引证文献(0)
2017(5)
  • 引证文献(2)
  • 二级引证文献(3)
2018(15)
  • 引证文献(2)
  • 二级引证文献(13)
2019(13)
  • 引证文献(1)
  • 二级引证文献(12)
2020(7)
  • 引证文献(2)
  • 二级引证文献(5)
研究主题发展历程
节点文献
森林林型分类
遥感
支持向量机(SVM)
多特征选择
小波变换
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导