SVM结合模糊方法在遥感图像分类中的应用.pdf

SVM 结合模糊方法在遥感图像分类中的应用 许 磊 李朝峰 杨蒙召 (江南大学信息工程学院，江苏无锡 214122) E-mail：lsfxl@126．con _ 摘 要 提 出一种支持向量机(SVM)结合模糊方法的遥感图像分类算法。首先介绍了SVM基本算法及其在遥感图像分 类 中应用情况，然后针对SVM 多类判别存在混分和漏分的缺陷，对混分和漏分样本采用模糊方法判决分类。实验证明该 方法的分类精度优于单一的SVM方法、模糊方法或神经网络方法。 关键词 支持 向量机 模糊隶属度 遥感图像分类 文章编号 1002—8331-(2005)36—0079—04 文献标识码 A 中图分类号 Tfy75 Application ofSupportVectorMachinesand Fuzzy M ethod for RemoteSensing ImageClassification Xu Lei LiChaofeng Yang M engzhao (SchoolofInformationTechnology，SouthernYangtzeUniversity，Wuxi，Jiangsu214122) Abstract：A mixed classify algorithm thatsupportvector machines combine fuzzy method is proposed for remote sensing image classification．First，the basic algorithm ofSupport VectorMachines and itsapplication in classification of remote sensing imagesisintroduced．Then thispaperaimsatthecase thatthemissed samplesand the error—separate samples via multi-class SVM classifier，uses fuzzy method to classify these examples．Experiment results prove the accuracyofthismethod isimproved than severalmethodssuch asusing singleSVM method，using single Fuzzy method and usingsingle ArtificialNeuralNetworksmethod． Keywords：SupportVectorMachines(SVM)，FuzzyAffiliation，remotesensingimageclassification 1 引言 题提 出了支持 向量机 网络 。标准 的支持 向量机算法是有监督的 遥感技术是 当前人类研究地球资源环境的一种主要技术手 学习方法 ，根据最优分类面情况可分为两种 ：线性类别(可分和 段 ．遥感 图像的分类一直被从事遥感图像处理的广大科技人员 不可分)和非线性类别 。最后通过引入核函数概念 ，支持向量机 所重视。2O世纪9O年代 以来 ，人工神经网络模型在遥感 图像分 算法把两种情况归结为一个类别处理 (线性类别作为非线性类 类中的应用取得了很大的进展．但神经网络算法有其固有的缺 别的特例)，设有 Z个训练样本 ，支持向量机训练是通过 以下优 点，如网络结构的确定尚无可靠 的规则，易陷入局部极小等 1-『31。 化过程实现的： 为了提高遥感图像分类精度．还必须寻找一