文献类型：期刊文章

作　　者：杜培军[1] 林卉[2] 孙敦新[3]

机构地区：[1]中国矿业大学地理信息与遥感科学系,江苏徐州221008 [2]徐州师范大学国土信息与测绘工程系,江苏徐州221116 [3]徐州市宏伟测绘制图公司,江苏徐州221008

出　　处：《测绘通报》

基　　金：国家自然科学基金(40401038);测绘遥感信息工程国家重点实验室开放基金项目(2004重点项目第三子课题);山东省基础地理信息与数字化技术重点实验室开放基金(2003-03);中国矿业大学科学基金资助项目(D200403)

年　　份：2006

期　　号：12

起止页码：37-40

语　　种：中文

收录情况：BDHX、BDHX2004、CSCD、CSCD2011_2012、JST、RCCSE、ZGKJHX、核心刊

摘　　要：支持向量机作为一种最新的也是最有效的统计学习方法,近年来成为模式识别与机器学习领域一个新的研究热点。支持向量机因其适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法。在分析基于支持向量机的高光谱遥感影像分类进展的基础上,对若干需要进一步研究的问题包括多类分类策略、训练样本与特征空间优化、不确定性控制、核函数选择与优化等进行探讨。

关 键 词：高光谱遥感 支持向量机 分类  

分 类 号：P237]