基于决策树多分类支持向量机岩性波谱分类.pdfVIP

第５３卷　第６ 期 中山大学学报 （自然科学版） Ｖｏｌ５３　Ｎｏ６ 　 ２０１４年　１１ 月 ＡＣＴＡ　ＳＣＩＥＮＴＩＡＲＵＭ　ＮＡＴＵＲＡＬＩＵＭ　ＵＮＩＶＥＲＳＩＴＡＴＩＳ　ＳＵＮＹＡＴＳＥＮＩ Ｎｏｖ　２０１４ 　 基于决策树多分类支持向量机岩性波谱分类 １，２ ３ １ １ １ １ 王正海 ，方　臣 ，何凤萍 ，祖玉川 ，王　磊 ，王　娟 （１．中山大学地球科学系，广东广州５１０２７５； ２．广东省地质过程与矿产资源探查重点实验室，广东广州５１０２７５； ３．湖北省地质调查院，湖北 武汉４３００３４） 摘　要：地面岩性波谱建模是高光谱遥感地质填图的关键环节之一，地面岩性波谱具有高维、多类特点，传统 的多光谱分类方法不能对地面岩性高光谱数据进行有效处理。该文在岩性波谱特征分析的基础上，构建岩性波 谱特征空间；然后，从支持向量机 （ＳＶＭ）基本理论出发并对算法改进，建立了一个基于决策树的ＳＶＭ多类分 类器 （ＤＴＳＶＭｓ）；最后，利用云南北衙金矿区采集的野外实测岩性波谱数据进行分类实验，分类正确率达到 ９３７５％。实验结果表明：基于决策树的多类分类支持向量机 （ＤＴＳＶＭｓ）可以很好的应用于地面岩性的波谱分 类建模。同时，可推广到高光谱遥感岩性分类研究。 关键词：岩性波谱；特征提取；支持向量机；多类分类；决策树 中图分类号：Ｐ２３７　　文献标志码：Ａ　　文章编号：０５２９ －６５７９ （２０１４）０６ －００９３ －０６ Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｒｏｃｋ Ｓｐｅｃｔｒａｌ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｄｅｃｉｓｉｏｎ ＴｒｅｅＳｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ （ＤＴＳＶＭｓ） １，２ ３ １ １ １ １ ＷＡＮＧＺｈｅｎｇｈａｉ ，ＦＡＮ Ｃｈｅｎ ，ＨＥ Ｆｅｎｇｐｉｎｇ ，ＺＵＹｕｃｈｕａｎ ，ＷＡＮＧＬｅｉ ，ＷＡＮＧＪｕａｎ （１．Ｄｅｐａｒｔｍｅｎｔ ｏｆＥａｒｔｈ Ｓｃｉｅｎｃｅｓ，Ｓｕｎ Ｙａｔｓｅｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｃｈｉｎａ； ２ ．Ｇｕａｎｇｄｏｎｇ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＧｅｏｌｏｇｉｃａｌ Ｐｒｏｃｅｓｓｅｓ ａｎｄ Ｍｉｎｅｒａｌ Ｒｅｓｏｕｒｃｅｓ Ｅｘｐｌｏｒａｔｉｏｎ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｃｈｉｎａ； ３ ．Ｈｕｂｅｉ Ｇｅｏｌｏｇｉｃａｌ Ｓｕｒｖｅｙ，Ｗｕｈａｎ４３００３４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｍｅｔｈｏｄｓ ｏｆｍｕｌｔｉｓｐｅｃｔｒａｌ ｉｍａｇｅｒｙ ｐｒｏｃｅｓｓｉｎｇ，ｓｕｃｈ ａｓ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｃｌａｓｓｉｆｉｃａ ｔｉｏｎ ａｎｄｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓａｒｅ ｎｏｔａｐｐｌｉｃａｂｌｅｔｏｈｉｇｈ ｓｐｅｃｔｒａｌｉｍａｇｅｒｙ，ｂｅｃａｕｓｅ ｏｆ“Ｈｕｇｈｅｓ Ｐｈｅｎｏｍｅｎｏｎ”（ｗｈｅｎ ｔｒａｉｎｉｎｇｓａｍｐｌｅｓａｒｅｆｉｘｅｄ，ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｄｅｃｒｅａｓｅｓｗｉｔｈｔｈｅ ｉｎｃｒｅａｓｅ ｏｆ ｆｅａｔｕｒｅ ｄｉｍｅｎｓｉｏｎ）ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙｕｎｄｅｒｓｍａｌｌ ｓｔｕｄｙ ｓａｍｐｌｅｓｃａｎ ｎｏｔｂｅ ｅｆｆｅｃｔｉｖｅｌｙ ｓｏｌｖｅｄｆｏｒ ｈｉｇｈ ｄｉｍｅｎｓｉｏｎａｌ ｄａｔａ．Ａ ｄｅｃｉｓｉｏ