文献类型：期刊文章

作　　者：Gidudu Anthony[1] Heinz Ruther[1]

机构地区：[1]开普敦大学建筑,规划与地球空间信息学院

出　　处：《遥感学报》

基　　金：The authors would like to acknowledge the financial support offered by the Remote Sensing and Photogrammetry Society (RSP-Soc) of the United Kingdom as well as the Council for Geoscience,Geological Survey South Africa who availed the images for this research

年　　份：2007

卷　　号：11

期　　号：5

起止页码：694-701

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSCD、CSCD2011_2012、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：遥感数据具有在不同空间、光谱和时间尺度上获取地表测量信息的能力,使其成为获取土地覆盖信息的一个主要数据源。影像分类即把卫星影像上的相关像元划分给某类已知的土地覆盖类型的过程。支撑向量机(SVMs)是一种土地覆盖分类的新技术。三种常用的SVMs是:基于线性和多项式的SVM以及具有高斯核函数的SVM分类器,分类能否成功地应用有赖于其各自选择的最佳参数。但是海量的遥感数据使得这些参数的确定速度十分缓慢。本文研究了一种新的基于最优化遥感数据压缩技术的SVM分类方法。研究显示用于获取SVM参数的数据量能够在不影响土地覆盖的分类精度的前提下进行压缩。数据压缩成功的应用于多项式和高斯核函数的SVM分类,而线性SVM的分类精度却非常低。

关 键 词：支撑向量机 数据压缩 土地覆盖制图  

分 类 号：TP751.1]