• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2011 International conference on multimedia computing and systems >Combining classifiers using Dempster-Shafer evidence theory to improve remote sensing images classification
【24h】

Combining classifiers using Dempster-Shafer evidence theory to improve remote sensing images classification

机译：使用Dempster-Shafer证据理论组合分类器以改善遥感影像分类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Classification system and textural features play increasingly an important role in remotely sensed images classification and many pattern recognition applications. In this work, we propose to fuse the information outputed by 3 well-known classifiers : Support Vector Machines (SVM), Neural Network (NN) and Parzen Window (PW). These classifiers were combined according to the Dempster-Shafer theory. The input textural feature used are selected according the GMMFS algorithm [1]. The classification results show that the proposed method gives high performances than those of classifiers separately considered.
机译：分类系统和纹理特征在遥感图像分类和许多模式识别应用中起着越来越重要的作用。在这项工作中，我们建议融合3个著名分类器输出的信息：支持向量机（SVM），神经网络（NN）和Parzen窗口（PW）。这些分类器根据Dempster-Shafer理论进行组合。根据GMMFS算法[1]选择使用的输入纹理特征。分类结果表明，与单独考虑的分类器相比，该方法具有较高的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号