| 航空影像分割的最小二乘支持向量机方法 |
| |
| 引用本文： | 徐芳,梅文胜,张志华.航空影像分割的最小二乘支持向量机方法[J].武汉大学学报(信息科学版),2005,30(8):694-698. |
| |
| 作者姓名： | 徐芳 梅文胜 张志华 |
| |
| 作者单位： | 1. 武汉大学测绘学院,武汉市珞喻路129号,430079
2. 青岛市勘察测绘研究院,青岛市人民路2号,266033 |
| |
| 基金项目： | 国家自然科学基金资助项目(40271094)。 |
| |
| 摘 要： | 将最小支持向量机LS-SVM用于航空影像的分割,讨论了不同核函数对分割结果的影响和稀疏化处理对决策函数的影响。试验表明了LS-SVM方法用于航空影像分割的可行性。
|
| 关 键 词： | 航空影像分割 最小二乘支持向量机 稀疏化处理 |
| 文章编号： | 1671-8860(2005)08-0694-05 |
| 收稿时间： | 2005-05-08 |
| 修稿时间： | 2005年5月8日 |
Least Squares Support Vector Machines for Aerial Images Segmentation |
| |
| XU Fang,MEI Wensheng,ZHANG Zhihua.Least Squares Support Vector Machines for Aerial Images Segmentation[J].Geomatics and Information Science of Wuhan University,2005,30(8):694-698. |
| |
| Authors: | XU Fang MEI Wensheng ZHANG Zhihua |
| |
| Abstract: | SVM has desirable classification ability even if with fewer samples. In addition, LS-SVM reduces the complexity further through replacing the inequality of SVM by equality. This paper applies LS-SVM to aerial images segmentation. This paper researches on the different kernel and sparse of LS-SVM. The kernel influences aerial image segmentation. The briefness of decision function is reached by the LS-SVM sparseness. The experiments show the segmentation results of LS-SVM are better. |
| |
| Keywords: | aerial image segmentation least squares support vector machines(LS-SVM) LS-SVM sparseness |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
