搜索结果: 1-9 共查到“测绘科学技术 支持向量机”相关记录9条 . 查询时间(0.33 秒)
本文在研究再生核Hilbert空间的支持向量机和小波分析理论的基础上，构建了基于再生核Hilbert空间的小波核函数支持向量机（小波支持向量机）。在高光谱遥感分类方面，支持向量机存在着分类精度不高和参数选择困难等问题。
结合支持向量机技术与基于粗糙集的粒度计算，本文提出了一种新的高分辨率遥感影像面向对象分类方法。
城市热岛强度的曲面模拟为深入分析城市热岛的空间格局、形态及演变特征提供了有力保证。将支持向量机(SVM)曲面拟合算法引入城市热岛曲面模拟研究，以MODIS的地表温度产品(LST)数据为例，对2006~2008年北京地区城市热岛强度进行支持向量机(SVM)曲面拟合。
基于支持向量机的遥感影像厚云及云阴影去除
遥感影像 云层去除 支持向量机 支持向量值轮廓波变换 影像镶嵌
<
2012/12/25
本文提出了一种基于支持向量机的遥感影像厚云及云阴影去除方法。首先利用支持向量机的学习性能检测影像中的云层，并利用太阳角度信息，判定云阴影区域，得到云层和云阴影的二值图。再对影像进行支持向量值轮廓波变换，利用云层和云阴影二值图生成的选择矩阵，对变换系数进行多层镶嵌，完成云层及云阴影的初去除。对影像镶嵌未能去除的云层及云阴影，通过统计学补偿的方法进行修复。最后重构图像并进行中值滤波实现厚云及云阴影去除...
支持向量机（Support Vector Machines, SVM）与两两配对(Pairwise Coupling, PWC)方法结合可分解遥感影像混合像元。首先支持向量机的输出值转化为两两配对的后验概率，再由两两配对的概率值求得多类后验概率，最终像元所属类别的后验概率作为地物的组分信息。利用多波段遥感数据验证了此方法的可行性，并将结果与线性分解模型进行比较。结果表明，SVM与PWC结合进行混合...
支持向量机在遥感数据分类中的应用新进展
支持向量机 遥感数据分类
<
2009/9/17
支持向量机是一种基于统计学习理论的新型机器学习算法，它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。随着应用面的不断扩大，支持向量机在遥感领域也得到了广泛关注。该算法已经成功的应用于遥感数据的土地覆盖、土地利用分类，多时相遥感数据的变化检测，多源遥感数据信息融合等，并且在高光谱遥感数据处理中得到了广泛应用。综述了支持向量机算法在遥感数据分类中的应用。首先...
基于支持向量机的遥感图像分类方法
遥感图像 向量机
<
2009/8/6
为了提高遥感图像分类的精度,弥补传统最大似然分类方法所固有的分类时样本不足的缺陷,提出了一种基于支持向量机、光谱特征和纹理特征相结合的遥感图像分类方法.采用ETM数据,按照其所提方法进行了具体分类实验,并将实验结果与最大似然法分类的结果进行了比较分析.结果表明,利用基于支持向量机的方法进行遥感图像分类,精度明显优于最大似然法分类的精度.利用光谱特征与纹理特征相结合进行分类比单纯运用光谱特...
支持向量机在遥感影像处理中的应用
遥感影像 向量机
<
2009/8/5
支持向量机（Support Vector Machine，SVM）是目前机器学习界中的研究热点，其理论基础是统计学习理论。它基于结构风险最小化（SRM）原理，在最小化样本点误差的同时，缩小模型预测误差的上界，从而提高了模型的泛化能力。与基于传统统计学的经验风险最小化（ERM）的许多方法相比，支持向量机的性能有了显著的提高。当前，支持向量机在遥感影像中的应用研究还处在起步阶段，已应用于遥感影像分类...
基于支持向量机的高光谱遥感影像分类若干问题的研究
支持向量机 遥感影像 影像分类
<
2008/8/11
该项目以国产OMIS和PHI高光谱影像为处理对象，研究基于支持向量机的分类方法。基于增量样本选择和支持向量机的高光谱遥感影像分类，应用聚类统计和人机交互实现样本增量选择与自动调整，通过支持向量机分类器设计、分类策略优化与统计学习实现影像分类；支持向量机分类中最优训练样本集和特征空间维数对分类精度影响规律的定量分析，综合降维操作和统计分析，建立支持向量机对高维特征和少样本问题的适用性和分析理论，提出...