混合核特征加权SVM遥感湿地空间分类.pdf

第 25卷第 7期 测 绘 工 程 Vo1．25，No．7 2016年7月 EngineeringofSurveyingandMapping Ju1．，2016 IX)I：10．19349／j．cnki．issnl006—7949．2016．07．003 混合核特征加权 SVM 遥感湿地空间分类 刘 冰 ，吴 超 ，林 怡。 (1．河南省航空物探遥感中心，河南 郑州 450053；2．河南省电力勘测设计院，河南 郑州 450007；3．同济大学 测绘与地理信 息学院，上海 200092) 摘 要：针对湿地空间信息的复杂性和SVM 的分类性能，设计一种基于混合核函数的特征加权 SVM分类模型，综 合利用多种特征信息，避免被弱相关特征所支配，从而提供更佳的映射性能和泛化能力。实验结果表明，该分类模 型兼具良好的外推和内推能力，能够有效地融合不同信息源特征，得到更完整和准确的分类结果 ，在总体精度、Kap— pa系数等多项指标上都表现出更高的水平。 关键词：混合核；特征加权；支持向量机；湿地；分类 中图分类号：P237 文献标识码：A 文章编号 ：1006—7949(2016)07—0013—05 Featureweighted-’mixedkernelSVM forremotesensing wetlandclassification LIU Bing ，W U Chao ，LIN Yi。 (1．Henan Aero GeophysicalSurvey and Remote Sensing Center，Zhengzhou 450053，China~2．Henan Electric Power SueveygDesignInstitute，Zhengzhou450007，China；3．SchoolofSurveyingandGeo-informatics，TongjiUniversity，Shanghai 200092，China) Abstract：Inview ofcomplexityofwetlandinformationextractionand classification performanceofthe SVM classifier，thispaperproposesafeatureweighted-mixedkernelSVM classifier，whichcanutilizemany kindsoffeatureinformationandavoidbeingdominatedbyweakcorrelationcharacteristics．Thenbetter mappingperformance and generalization ability can be realized．The experimentalresults show the classification modelwith good ability of extrapolation and push can effectively integrate different informationsourcecharacteristics，whichalsoachievemorecompleteandaccurateclassification results， withahigherclassificationaccuracyontheindexsuchasoverallaccuracyandKappacoefficient． Keywords：mixedkernel；featureweighted；supportvectormachine(SVM)；wetland；classification 近年来随着人 口增加和经济发展，尤其是土地 支 持 向量 机 (SupportVectorMachine， 开发和城市化建设给湿地资源带来巨大的压力，造 SVM)：。]作为一种最新的也是最有效的统计学习 成湿地资源数量和类型的