基于GA-PSO优化分层DT-SVM混合核的遥感图像分类及其应用

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

遥感图像的分类结果会对图像后续信息的提取产生较大的影响，而支持向量机凭借其优异的分类效果，逐渐在遥感图像分类中占据重要地位。
　　本文主要研究了分层决策树支持向量机（HDT-SVM）在遥感图像中的分类，主要工作如下：
　　1、提出了一种基于监督分类（Kmeans）的特征提取方法。提取遥感影像特征时，分析了基于目视解译与基于监督分类的分类结果，实验表明基于Kmeans预分类的特征提取能够有效提高提取特征的正确性，进而提高遥感图像分类的正确性。
　　2、提出了一种内嵌遗传的粒子群算法（GA-PSO）来优化混合核参数。在优化混合核参数时，粒子群优化算法加入了遗传算法的交叉与变异特性，实验证明GA-PSO能更有效地优化核参数，进而提高遥感图像分类的正确性。
　　3、提出了一种基于最优特征加权组合的分层决策树支持向量机（HDT-SVM）分类方法。HDT-SVM考虑了正态树分类的时间优势与偏态树分类的精度优势，而最优特征的加权组合更易区分类别之间的差异性，实验证明使用基于最优特征加权组合的HDT-SVM能有效提高遥感图像分类的精度。
　　4、选用南京市的landsat7-EM+遥感影像，对论文提出的方法进行应用研究。首先对遥感影像进行预处理；然后对影像进行基于 Kmeans预分类的特征提取；进而使用基于 GA-PSO优化混合核参数；最后使用加权组合特征进行基于HDT-SVM的遥感图像分类。实验结果证明，和实际的城市土地利用比较，分类精度相近。

著录项

作者
施冬艳;
展开▼
作者单位

南京邮电大学;

展开▼
授予单位南京邮电大学;
学科模式识别与智能系统
授予学位硕士
导师姓名李雷;
年度 2014
页码
总页数
原文格式 PDF
正文语种中文
中图分类遥感图像的解译、识别与处理;
关键词
遥感图像; 分层决策树; 支持向量机; 粒子群算法; 监督分类; 特征提取;

相似文献

中文文献
外文文献
专利

1. 基于空谱特征的核极端学习机高光谱遥感图像分类算法 [J] . 宋雯琦 ,闫德勤 ,刘德山 . 计算机测量与控制 . 2020,第011期
2. 基于随机子空间核极端学习机集成的高光谱遥感图像分类 [J] . 宋相法 ,曹志伟 ,郑逢斌 . 计算机科学 . 2016,第003期
3. 基于核映射多光谱特征融合的高光谱遥感图像分类法 [J] . 樊利恒 ,吕俊伟 ,于振涛 . 光子学报 . 2014,第6期
4. 基于分层分类法的遥感图像分类研究 [J] . 陈静 ,吴宇静 . 数字通信世界 . 2019,第004期
5. 基于分层特征关联条件随机场的遥感图像分类 [J] . 杨耘 ,徐丽 . 计算机应用 . 2014,第006期
6. 一种基于BP的Hebbian混合算法在遥感图像分类中的应用 [C] . 杜慧茜 . 1997年中国神经计算科学大会 . 1997
7. 基于GA-PSO混合算法的阵列天线优化 [A] . 王黎莹 . 2014

基于GA-PSO优化分层DT-SVM混合核的遥感图像分类及其应用

目录

摘要

著录项

相似文献

相关主题

期刊订阅