摘要
支持向量机(SVM)是一种基于统计学习理论的机器学习算法,在解决有限样本、非线性及高维模式识别问题中表现出许多特有的性能,并且具有强大的泛化能力。本文正是利用SVM的这些优点,对数据量繁多的遥感图像进行矿化信息提取,有效地识别遥感图像。 本文的主要工作包括: 1.讨论了SVM基本原理,阐述并且分析了目前国际上几种流行的算法;概述了遥感图像处理的理论,并结合实际工作,处理研究区的遥感图像。 2.在实验过程中,采集正类样本和负类样本,有效地构造SVM的训练集。再对样本进行多次的训练,优化算法,运用k-折交叉比对(k...
学科与关键词
关键词
支持向量机遥感矿化信息提取算法 SVMRSmineralizing information extractionalgorithm
- 一种改进的支持向量机NN-SVM李红莲; 王春花; 袁保宗计算机学报, 2003, (08): 1015-1020.
- 基于模糊c-均值聚类的SVC迭代训练算法陈自洁; 夏成锋仲恺农业工程学院学报, 2011, (01): 39-43.
- 支持向量机在设备故障诊断中的应用研究曾嵘其他, 2005.
