• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《遥感学报》 >人工蜂群算法优化SVR的叶面积指数反演

人工蜂群算法优化SVR的叶面积指数反演

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

摘要

支持向量机回归SVR(Support Vector Regression)方法作为叶面积指数反演的一种新思路,在LAI反演中具有一定的应用价值和前景,但SVR算法中惩罚系数C、核函数宽度参数g、不敏感损失函数参数ε的取值对回归精度有显著的影响。本文提出了一种基于人工蜂群算法ABC(Artificial Bee Colony)优化SVR参数的遥感影像叶面积指数反演方法。研究数据为美国土壤水分实验(SMEX02)2002年LAI实测数据和同期的Landsat 7ETM+地表反射率数据,为了验证ABC算法优化SVR各个参数对反演精度的影响,建立了未优化参数(SVR)、优化单个参数(ABC-SVR-C,ABC-SVR-g,ABC-SVR-ε)、优化3个参数(ABC-SVR)的3类LAI反演模型,并比较了其回归拟合精度。在此基础上,分析了3个关键参数对LAI反演模型精度的敏感性,并对ABC算法优化SVR模型的精度进行显著性检验。研究表明:(1)相比未优化参数模型,ABC算法优化模型具有更高的反演精度,优化3个参数优于优化单个参数,回归直线斜率k达到0.797、决定系数r2达到0.775。(2)SVR的3个关键参数对模型精度都有影响,相较参数C和g,参数ε引起模型精度的不确定性更高。(3)95%的置信区间下,ABCSVR模型与SVR模型的回归直线斜率k、r2、RMSE的差异显著性检验P值均小于0.005,ABC算法显著改善了SVR模型的精度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 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