文献类型：期刊文章

作　　者：谭琨[1] 杜培军[1]

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221116

出　　处：《红外与毫米波学报》

基　　金：国家自然科学基金(40401038);江苏省自然科学基金创新人才青年学术带头人(BK2006505);国家863高技术发展计划(2007AA12Z162)资助项目

年　　份：2008

卷　　号：27

期　　号：2

起止页码：123-128

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、DOAJ、EI(收录号：20082111275173)、IC、INSPEC、JST、RCCSE、SCI(收录号：WOS:000255675800010)、SCI-EXPANDED(收录号：WOS:000255675800010)、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：多数传统分类算法应用于高光谱分类都存在运算速度慢、精度比较低和难以收敛等问题.本文从支持向量机基本理论出发建立了一个基于支持向量机的高光谱分类器,并用国产OM IS传感器获得的北京中关村地区高光谱遥感数据进行试验,分析比较了各种SVM核函数进行高光谱分类的精度,以及网格搜寻的方法来确定C和γ的值,结果表明SVM进行高光谱分类时候径向基核函数的分类精度最高,是分类的首选.并且与神经网络径向基分类算法以及常用的最小距离分类算法进行比较,分类的精度远远高于SVM分类算法进行分类的结果.SVM方法在高光谱遥感分类领域能得到广泛的应用.

关 键 词：高光谱遥感 支持向量机 分类  

分 类 号：TP751.1]