文献类型：期刊文章

作　　者：朱海洲[1] 贾银山[1]

机构地区：[1]辽宁石油化工大学计算机与通信工程学院,抚顺113001

出　　处：《科学技术与工程》

年　　份：2010

卷　　号：10

期　　号：15

起止页码：3659-3663

语　　种：中文

收录情况：RCCSE、ZGKJHX、普通刊

摘　　要：支持向量机(SupportVector Machine,SVM)是一种基于统计学习理论的新型机器学习算法。通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题。将支持向量机理论应用到遥感图像分类的研究还处在初级阶段,传统分类算法应用于遥感图像分类存在运算速度慢、精度比较低和难以收敛等问题。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遥感图像分类器。用遥感图像数据进行实验,并将结果与其它方法的结果进行了比较分析。实验结果表明,利用SVM进行遥感图像分类的精度明显优于神经网络算法和最大似然算法分类精度。

关 键 词：支持向量机 遥感图像分类 神经网络 最大似然法

分 类 号：V443.5]