有限样本类别城市高光谱数据SVM分类应用分析

• 作者: 孙晓霞 李利伟 杨玲 高连如
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: 支持向量机(SVM) 高光谱数据 后验概率 分类精度
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 学术研究
• 页码范围: 33-36,49
• 分类号: P236
• 语种: 中文
• DOI: 10.13474/j.cnki.11-2246.2014.0357

摘要

对比分析了线性核函数和非线性核函数支持向量机(SVM)算法在样本类别不足情况下城市高光谱影像分类中的应用.选用甘肃张掖地区高光谱影像作为试验区,依据高分影像和地面调研信息获取参考样本数据,利用非线性核函数和线性核函数的支持向量机进行影像分类,获取每一类别的分类后验概率图,并对分类后验概率图采用0.2、0.4、0.6、0.8、0.9的后验概率截断,分析了不同截断概率下的地物分类精度变化情况.结果表明,线性核函数和非线性核函数SVM方法的结论相似,随着截断概率的增加,分类结果中用户精度提高或保持稳定,制图精度下降或保持稳定,总体分类精度先提高后降低,但波动幅度不大.因此,SVM的后验概率可以用于指导类别不足时城市高光谱影像的分类.通过分析各类地物的混淆矩阵可知,非线性核函数的SVM方法比线性核函数SVM方法更敏感,在低后验概率下就可以准确提取出未分类信息,而线性核函数SVM在高后验概率下才能提取出未分类信息,而且还混入了许多训练过的类别信息.非线性核函数SVM方法的分类精度更稳定,利用后验概率提取未分类信息的可信度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙晓霞	中国科学院遥感与数字地球研究所数字地球实验室	12	214	7.0	12.0
3	高连如	中国科学院遥感与数字地球研究所数字地球实验室	20	187	7.0	13.0
6	杨玲	河南大学环境与规划学院	23	76	5.0	7.0
7	李利伟	中国科学院遥感与数字地球研究所数字地球实验室	8	28	3.0	5.0