基于PSO参数优化支持向量机的湿地遥感分类——以鄱阳湖部分区域为例

• 作者: 官云兰 杜科林 薛晶 裴东东 许俐俐
• 来源期刊: 江西科学
• 关键词: 鄱阳湖国家自然保护区 SVM遥感分类 粒子群优化算法 特征维度 样本数量
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 地球科学
• 页码范围: 66-72,129
• 页数: 8页
• 分类号: P931.1|TP79
• 语种: 中文
• DOI: 10.13990/j.issn1001-3679.2018.01.014

摘要

湿地遥感分类作为湿地管理和利用、动态监测的重要手段,是近年分类研究的热点之一,受到了广泛关注.鉴于湿地系统生态环境特殊,难以进行实地样本点的测取,选取小样本、多维度、高精度的分类方法显得尤为重要.以鄱阳湖国家自然保护区部分区域为研究范围,以landsat8 OLI影像为数据源,以支持向量机分类法为基础,通过PSO算法寻优SVM分类器的高斯核函数参数g和惩罚因子C,初步分析不同样本数目、光谱特征维度和辅助特征维度对于分类精度的影响,并同传统支持向量机分类方法进行比较.研究结果表明,在小样本、高维度情况下,基于PSO参数寻优的分类精度大于传统支持向量机分类精度.在样本数目达到100时,基于PSO参数寻优在高维度分类精度最佳,达到93.03％,较传统的SVM分类提高了1％左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	官云兰	东华理工大学测绘工程学院	57	756	13.0	26.0
5	杜科林	东华理工大学测绘工程学院	2	6	2.0	2.0
9	裴东东	东华理工大学测绘工程学院	3	14	2.0	3.0