基于SVM方法的赤潮生物优势种航空高光谱识别.pdfVIP

第26卷，第12 期 光谱学与光谱分析 Vo l. 26 ,No. 12 ,pp2302-2305 2006 年 1 2 月 Spectroscopy and Spectral Analysis December , 2006 基于 SVM 方法的赤潮生物优势种航空高光谱识别 马毅l ， 2 ，张杰1 ， 2 ，崔延伟l 1.国家海洋局第一海洋研究所，山东青岛 266061 2. 海洋环境科学与数值模拟国家海洋局重点实验室，山东青岛 266061 摘 要 赤潮生物优势种的航常高光谱识别可为快速鉴别赤潮及其毒性提供技术基础，为赤潮灾害程度的 定级提供支持。文章提出了辑于支持向最机CSVM) 的赤潮生物优势种航空商光谱识别模型，并以 2001 年 7 月 16 日， 2001 年 8 月 19 日和 8 月 25 日的赤潮高光谱数据为例，开展了识别模型的实验应用。识别结果表 明:在参考光谱具有较大动态范围的前提下，发展的赤潮生物优势种航空高光谱识别模型不仅能够挟得较 高的分类精度，而且不受高光谱数据维数高的限制。 3:M1词 赤潮;生物优赞种类;航空高光谱;识别; SVM 中图分提号: P733. 3; P407.8 文献标识码:A 文章编号: 1000-0593(2006)12亿302伽04 1 SVM 基本原理 寻| 赤潮是浮摒生物在水体中过度繁殖或聚集致使海水变色 在Rn 空间中，向盘分类识别问题可以归结为只有 2 种 的一种海洋灾害。近年来，亦潮频繁发生、规模不断扩大。 待识别向鼓的分类问睡。问版的本质在于寻找通过学习样本 商光谱遥感技术是航空遇感发展的前沿，诙技术不仅可以检 诱导的函数，使得函数具有好的眨化性。 测赤潮的发生，而且使赤潮生物优势种识别成为可能〔飞高 1. 1 最优可分相.iJL面 光谱模式识别技术已经在海洋藻类和赤潮生物优势种识别中 对于线性可分的情形，存在很多可以分离 2 类数据的线 得到了应用[叫，使用的方法均是基于统计的模式识别方法。 性分类器，即相互F面，但是只存在惟一的分类器，使得 2 类 然而受学习样本数目的限制，基于统计的模式识别方法往往 中脱超乎m最近的点(支持向盘)到超平闹的距离和最大。称 难以取得理想的放果。 20 世纪 90 年代中期， Vapnik 等在有 为最优可分越平面。设只有2 种待识别向量的分类问题为 1 限样本的机器学习问题上建立了一套较完整的理论体系…… D = {Cx , yl) , …,(x,y)} (1) 支持向量机Csupport vector machine ，简称 SVM)[6] 0 该方法 〈旬， x十b = 0 (2) 在解决小样本、非线性及高维模式识别问眼中，提供了一个 其中 D 是指训练偶对组成的集合， (