基于实值遗传算法与TAFSVM的遥感图像分类.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 基于实值遗传算法与TAFSVM 的遥感图像分类 戴宏亮 DAIHong-liang 广东商学院 数学与计算科学学院，广州 510320 DepartmentofMathematicsand Computational Science，GuangdongUniversityofBusinessStudies，Guangzhou 510320，China E-mail：daihongliang@tom．conl DAIHong-liang．Classification of remote sensing imagesbased on totalmargin-based adaptive fuzzy support vector machinewithreal-valued geneticalgorithms．ComputerEngineeringand Applications，2010．46(4)：4-7． Abstract：SVM hasbeen successfully employed to solve classification ofremote sensing images．Totalmargin-based Adaptive FuzzySupportVectorMachine (TAFSVM)which hasgood qualityisproposed．TAFSVM notonly solvestheoverfittingproblem resuhed from the ouflierswith the approach offuzzication ofthe penalty，butalso cmTects the skew ofthe optimalseparating hyperplane dutto the very imbalanced data setsby using differentcostalgorithms．In addition，by introducting the totalmargin algorithm to replace the conventional soft margin algorithms，a lower generalization error bound can be obtained．Besides，real— valued genetic algorithms optimize its parameters．Subsequently，AGATAFSVM is used to classify the data of remote sensing images．The experimentalresultsindicate thattheproposed AGATAFSVM can achievehigherclassification accuracyand isstabler thanradialbasisfunctionsneuralnetwork，K-nearestneighborsclassifierand standard SVM． Keywords：Totalmargin—basedAdaptiveFuzzySupportVectorMachine(TAFSVM)；real-valuedgeneticaIgorithms；rem0tesensing images；classification 摘 要：支持向量机 已经被成功应用于遥感图像分类。一种新型具有 良好特性的支持向量机一全间隔自适应模糊支持向量机被提 出。这种新型的支持向量机具有通过训练集的模糊性来增强泛化能力；对不平衡训练集具有 自适应性，对正负数据采用不同的损 失算法，可以提高正确分类率；通过引进全间隔算法来代替软间隔算法，可以得到更低的泛化误差等优 良特性 ，符合遥感图像数据 的内在规律。并且运用实值遗传算法对其进行参数优选，得到一种新的分类器——AGATAFsvM。最后将该分类器应用于遥感图像 分类。实验结果表明，该分类器非常适用于遥感图像分类，分类精度和稳定性明显高于径向基神经网络分类器、最近邻分类器和 标准支持向量机。 关键词：全间隔自适应模糊支持向量机；实值遗传算法；遥感图像；分类 DOI：10．3778／j．issn．1002—8331．2010．04．002 文章编号：1002—8331(2OLO)O4—0004—04 文献标识码：A 中图分类号：TP18 1 引言