收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

SVM核函数对南汇潮滩湿地高分二号卫星数据分类精度的影响分析

王文柳  韩震  李静  郭雨桐  崔艳荣  
【摘要】:针对支持向量机在高分二号卫星遥感图像分类中的核函数选择问题,以长江口南汇典型潮滩湿地为研究区,进行了支持向量机不同核函数分类结果的对比分析。首先,根据实地测量以及无人机航拍影像标记六类地物共计1800个优质样本点,然后将标记样本点的像元值投影到三维空间中,分析了支持向量机分类过程中最优分类超平面的构建以及误差来源,最终从标记样本点中选取训练样本和测试样本,进行了支持向量机不同核函数的分类训练,得到分类结果和分类精度。研究结果表明,在训练样本数量相同的情况下,线性核函数支持向量机的分类结果好于RBF核函数和Sigmoid核函数的分类结果。三种核函数的分类精度都随着训练样本数量的增加逐渐增高并趋于稳定,RBF核函数和Sigmoid核函数支持向量机分类精度变化趋于对数分布。

知网文化
【相似文献】
中国期刊全文数据库 前7条
1 陈作聪;宋武;;基于改进粒子群SVM的海洋赤潮监测算法设计[J];青岛大学学报(自然科学版);2016年04期
2 周刚;张曼祺;李佳;章悦;郭凯;滕达;;基于SVM方法的航空高光谱赤潮信息提取与分析[J];应用海洋学学报;2014年03期
3 金权;华锋;杨永增;;基于SVM的海浪要素预测试验研究[J];海洋科学进展;2019年02期
4 张明;吕晓琪;张晓峰;张婷;吴凉;王军凯;张信雪;;结合纹理特征的SVM海冰分类方法研究[J];海洋学报;2018年11期
5 尤加春;李红星;;海底双相随机介质声反射的SVM神经网络分类识别研究[J];海洋学报(中文版);2014年03期
6 李响;余建星;苗春生;郭帅;齐凯;陈达兴;;基于遗传算法SVM的海洋环境腐蚀速率预测[J];中国海洋平台;2018年05期
7 徐超;李海森;王川;赵先龙;;基于合成核SVM的多波束海底声图像底质分类研究[J];地球物理学进展;2014年05期
中国重要会议论文全文数据库 前1条
1 张汉女;许江;;基于SVM的海岸线提取方法研究[A];福建省海洋学会2012年学术年会论文集[C];2013年
中国硕士学位论文全文数据库 前1条
1 张汉女;基于SVM的海岸线提取方法研究[D];东北师范大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978