NWFE结合纹理特征的SVM土地覆被分类方法研究     

崔林林  罗毅  包安明 《国土资源遥感》2012,(1):36-42

为提高土地覆被分类精度,采用非参数权重特征提取(nonparametric weighted feature extraction,NWFE)结合纹理特征的支持向量机(support vector machines,SVM)的分类法,对新疆玛纳斯河流域绿洲区2006年的土地覆被进行分类,并将该方法与主成分分析(principal component analysis,PCA)结合纹理特征的SVM分类、原始波段结合纹理特征的SVM分类进行对比。结果表明,NWFE结合纹理特征的SVM分类结果优于其他2种分类结果,不仅反映了土地覆被分布的整体情况,而且使不同土地覆被类型得到较好的区分,总体分类精度达89.17%。  相似文献   

基于最大似然法和SVM法的太湖流域HJ-1B影像分类     

孙琳  宋爱红  高文秀 《测绘信息与工程》2012,37(3):30-33

以太湖流域作为研究对象,基于环境减灾卫星HJ-1B影像数据,比较利用最大似然法和支持向量机法进行土地利用/覆盖分类的效果。结果显示,SVM法在总体分类精度和Kappa系数上较传统最大似然法有所提高。SVM分类方法对于有限样本的分类表现出优越的性能,改善了传统分类方法的局限性,具有很大的应用潜力。  相似文献   

基于高斯过程的高分辨率遥感图像变化检测     

陈克明  周志鑫  卢汉清  胡文龙  孙显 《遥感学报》2012,16(6):1192-1204

本文首先通过理论分析,探讨了高斯过程分类器在高分辨率遥感图像变化检测应用中的优势与不足,并针对高斯过程分类器的不足给出了相应的解决方法;其次,提出了一种基于空间上下文相关的高斯过程变化检测方法;最后,通过多个高分辨率遥感实验数据集上的实验设计与分析,验证了高斯过程分类器在高分辨率遥感图像变化检测中的应用能力,并证明了本文提出的解决方法的有效性.  相似文献   

基于字袋模型的交通标志识别方法研究     

胡晓光  朱欣焰  柳林  李卉  李德仁 《测绘科学》2012,37(6):107-110

交通标志识别是智能交通中一个重要的研究领域,实现辅助驾驶和自动导航等应用正获得越来越多的关注.本文提出一种自然场景下交通标志的识别方法:提取标志的局部特征以提高获取效率也使其较少受到遮挡的影响,通过字袋模型量化后获得标志的本征特征,基于该本征特征训练支持向量机,最后使用得到的判别分类器进行交通标志的分类.实验结果表明,...  相似文献   

基于光谱相关性的SVM高光谱遥感影像分类     

沈照庆  王建宾  陶建斌 《地理空间信息》2009,7(4):88-91

根据高光谱遥感影像数据特点，首先利用光谱相关性进行特征选择，然后引进SVM进行高光谱遥感影像分析解译，最后利用AVIRIS影像进行试验，结果显示分类精度和时间比常规方法都有很大改善。  相似文献   

基于支持向量机的空间数据拟合   总被引：1，自引：0，他引：1  

冯杨民  梁晶 《海洋测绘》2009,29(3):31-33

空间数据拟合是以搜集空间信息、建立合理的数据解算模型，用以表达空间数据之间的关系。支持向量机应用于空间数据拟合时，建立在结构风险最小的原则上，使得其模型有较强的泛化性能。借鉴泰勒公式的思想，在拟合空间起伏较大数据时，提出了对支持向量残差再拟合，以提高数据拟合的精度。最后，通过实例验证了残差再拟合算法的有效性。  相似文献   

青岛海雾的气候特征和预测研究   总被引：4，自引：0，他引：4  

江敦双  张苏平  陆惟松 《海洋湖沼通报》2008,(3)

使用青岛市气象台近30年(1971-2000年)的气象观测资料,对青岛沿海发生的海雾进行了详细的气候统计和分析,揭示青岛海雾发生的基本气候特征;同时通过对青岛平流海雾发生时的天气图分析,得出入海高压的后部型和低压或倒槽的前部型及均压场型这三类地面天气形势场最容易导致青岛平流海雾的出现;最后根据平流海雾发生的特征,用逐步回归方法对平流海雾的预报因子进行了筛选,在此基础上,利用SVM(Support Vector Machines)的分类方法对青岛雾季发生的平流冷却海雾的预测进行了研究,预测结果表明了SVM方法对青岛雾季发生的平流冷却海雾有着较好的业务预报效果,为青岛海雾的预报提供了1种新的途径.  相似文献   

超像素在多极化SAR数据分类中的应用——以ALOS PALSAR为例     

梁雪萍  薛东剑  贾诗超 《测绘通报》2020,(5):107-110

针对已提出的极化合成孔径雷达数据地物分类方法较难同时获得地物边界及相邻信息的问题，并为了减少图像处理的消耗时间，本文引入一种超像素生成算法——线性迭代聚类方法，对日本先进对地观测卫星多极化SAR数据进行地物分类研究。本文以四川省彭州市与什邡市交界地区为研究区，先采用Pauli分解生成RGB假彩色图像并进行滤波，再以此为基础使用线性迭代聚类方法生成超像素，最后用支持向量机分类方法，合理选取极化熵、各向异性度及平均散射角等极化特征组合在一起作为分类参数，对基于像素超像素的极化SAR图像的分类结果进行对比分析。使用超像素比其他基于像素的分类方法能够获得更好的结果，基于超像素分类的总体精度为95.23%，Kappa系数为92.58%。  相似文献   

基于SVM多类分类的滑坡区域危险性评价方法研究   总被引：6，自引：0，他引：6  

姜琪文  许强  何政伟 《地质灾害与环境保护》2005,16(3):328-330

近年来，随着新理论、新技术得发展，提出了许多新模型和方法应用于滑坡区域危险性评价中。支持向量机（support vector machine，SVM）是新一代的学习算法，已有前人利用SVM应用于滑坡灾害预测中。然而大多只是利用了SVM的两分类算法，得到的结果只有稳定不稳定两种．这对滑坡区域评价来说是远远不够的。本文尝试利用SVM的多类分类算法进行滑坡危险性区域评价，取得了较好的结果。  相似文献   

Prediction of Arsenic in Bedrock Derived Stream Sediments at a Gold Mine Site Under Conditions of Sparse Data   总被引：2，自引：0，他引：2  

Navin K. C. Twarakavi  Debasmita Misra  Sukumar Bandopadhyay 《Natural Resources Research》2006,15(1):15-26

Arsenic is often present in gold mining areas. The high sensitivity of arsenic to biogeochemical conditions may lead to catastrophic consequences through contamination of resources such as ground water. Therefore, it is critical to understand the spatial occurrence of arsenic across a given site. Previous studies using traditional pattern recognition techniques such as neural networks and kriging have not been entirely successful in predicting arsenic concentrations across a gold mining area. The methods used in this paper are the support vector machines (SVM) and robust least-square support vector machines (robust LS-SVM). The two techniques were used to predict arsenic concentrations in the sediments of Circle City, Alaska, using the gold concentration distribution present within the sediments. The analysis of the results shows an improved performance and better predictive capabilities of SVM and robust LS-SVM than that of the neural networks and kriging techniques. The robust LS-SVM performed better than the SVM. The performance of the SVM was affected by outliers. The removal of the outliers from the data set and application of SVM showed improved results.  相似文献