SVM分类法的参数优化研究.docVIP

SVM分类法的参数优化研究 字数：2461来源：价值工程?? ?? 2015年1期 ??字体：大 中 小??打印当页正文 　　⑤参数5在默认惩罚系数0.90时，不迭代分类精度最高；但当调整惩罚系数至0.99时，1-3次迭代分类精度都会超过0次迭代的分类精度。且2次迭代分类精度最高。 　　⑥参数6在区间0-0.25之间（含默认值0）对分类精度几乎无影响，但该参数在超过0.5之后会强烈降低分类精度。 　　⑦核函数不同的情况下，参数的Kappa系数函数趋势几乎不变（与给出的P非常接近）。 　　基于参数尺度的结论，我们对4种不同的核函数（L、P、R、S）进行了实验，比较选取“最优”参数与默认参数后Kappa系数与分类精度的差异。 　　可以看出在4种不同的核函数下选取“最优”参数后，分类精度全部都有提升。但本次实验的提升效果并不是非常明显，在效果最好的R核函数下，提升了大约零点一个百分点。本次实验核心是基于SVM分类方法的，仅对核函数和参数做出调整后并没有改变分类算法的本质，因此分类精度的变化不大。 　　最后横向比较不同核函数分类效果可以得到如下结论：①在使用SVM分类方法时，R核函数的分类精度最高。②在使用SVM分类方法时，S核函数分类精度最低。③在实验过程中可以验证，在使用S核函数进行分类时，时间复杂度最高（约为其他核函数的2-4倍）。 　　注释： 　　①PROBA是欧洲空间局发射的小型太阳同步轨道卫星（2001.10.22），轨道高度615km，倾角97.89°，搭载紧凑式高分辨率成像分光计（Compact High Resolution Imaging Spectrometer， CHRIS），成像光谱范围400～1050nm，光谱分辨率1.25～11.00nm，地面分辨率17/34m。CHRIS 　　②通过实地踏勘并结合人工判读所制标准分类影像。 　　参考文献： 　　[1]Corinna Cortes， Vladimir Vapnik. Support-vector networks， Proc. of the 25th Machine Leaning，1995，20：273-297. 　　[2]李小娟，刘晓萌，胡德勇，等.ENVI遥感影像处理[M].北京：中国环境科学出版社，2008，9：322-347. 　　[3]刘大宁，杨永乐，白林.SVM核函数对分类精度影响的研究[J].佳木斯大学学报，2012，7. 　　[4]黄立贤，沈志学.高光谱遥感图像的监督分类 [J].地理空间信息，2011（9）：81-83. 　　[5]张兵，高连如.高光谱图像分类与目标探测[M].北京：科学出版社，2011. 　　[6]R.J. Zomer， A. Trabucco， S.L. Ustin. Building spectral libraries for wetlands land cover classification and hyperspectral remote sensing[J]. Journal of Environmental Management，2009（90）：2170-2177.