基于混合核函数BDK的支持向量机遥感图像分类.pdf

第 52卷 2016年第 3期 西 北 师 范 大 学 学 报 (自然科学版) V0l_52 2016 No．3 JournalofNorthwestNormalUniversity (NaturalScience) 49 DOI：10．16783／j．cnki．nwnuz．2016．03．010 基于混合核函数 BDK的支持向量机遥感图像分类 古丽娜孜 ·艾力木江 ，孙铁利。，乎西旦 ，冯雪花 (1．伊犁师范学院 电子与信息工程学院，新疆 伊宁 835000； 2．东北师范大学 地理科学学院，吉林 长春 130024； 3．东北师范大学 计算机科学与信息技术学院，吉林 长春 130117) 摘要 ：以支持 向量机关键部分核数 的有效选定作为探究 目标 ，从核函数选取规则着手 ，将遥感数据领域知识嵌入到核 函数构造问题 中，结合遥感数据本身特征提 出一种能同时兼顾到样本亮度差异性和角度差异性的混合核函数选取方 法 ，通过支持 向量机传统核函数分类效果进行对 比分析 ，表 明混合核方法的有效性． 关键词 ：支持向量机 ；遥感数据 ；核 函数 ；光谱 中图分类号 ：TP391．1 文献标志码 ：A 文章编号 ：1001—988X(2016)03—0049—08 ，1一。h‘ereniotesensm●g l●m agecl1ass1r±‘l●catl●0n b’ased’on th‘emix‘ed‘ kerne1functionBDK ofsupportvectormachine GULNAZAllmjan ，SUNTie—li。，HURXIDA ，FENGXue—hua (1．CollegeofElectronicsandInformationEngineering，YiliNormalUniversity，Yining835000，Xi~iang，China； 2．CollegeofGeographicalScience，NortheastNormalUniversity，Changchun130024，Jilin，China； 3．CollegeofComputerScienceandInformationTechnology，NortheastNormalUniversity，Changchun130117，Jilin，China) Abstract：Thetechnologyofremotesensing imageclassification，selectionofclassificationrulesandthe selection ofkernelfunction affecttheclassification accuracy among the samples． Thekeypartofthe supportvectormachine(SVM )kernelfunction iseffectivelyselectionasexploration targetrulesfrom the selectionofkernelfunction． Theremotesensingdataknowledgeembeddedinthekernelfunctionstructure problems，combinedwiththefeatureofremotesensingdataitselfcanputforwardakindofbothsamples tothebrightnessdifferenceandangledifferenceofthemixedkernelfunctionselectionmethod．Thekernel functionofSVM andtraditionalSVM classificationeffectareanalyzedtoshow theeffectivenessofmixed kernelmethods． Keywords：supportvectormachine；remotesensingdata；kernelfunction；spectrum 遥感图像 的分类是遥感数据研究领域的重要部