利用云模型实现FSVM遥感影像分类的隶属度算法.PDFVIP

第３０卷第５期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．５ ２０１３年５月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｙ２０１３ 利用云模型实现ＦＳＶＭ遥感影像分类的隶属度算法 严　信　张月琴 （太原理工大学计算机科学与技术学院　山西太原０３００２４） 摘　要　　针对遥感影像分类面临的数据边界模糊性以及遥感信息解译过程不确定性的问题，结合模糊支持向量机在分类应用中 可以有效避免噪声样本干扰的特点，提出一种基于云模型求解模糊支持向量机隶属度的方法。该方法通过无需隶属度的逆向云算 法输入样本的定量位置得到样本类别的数字特征，再根据正向云算法计算得到每个样本对其定性类别的隶属度。实验结果表明，采 用基于云模型隶属度的模糊支持向量机对遥感影像的分类方法是可行的，并能够有效提高对遥感影像的分类精度。 关键词　　模糊支持向量机　隶属度　云模型　遥感影像 中图分类号　ＴＰ３９１．４１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．０５．０８２ ＵＳＩＮＧＣＬＯＵＤＭＯＤＥＬＴＯＲＥＡＬＩＳＥＭＥＭＢＥＲＳＨＩＰＡＬＧＯＲＩＴＨＭＯＦＦＳＶＭ ＣＬＡＳＳＩＦＩＣＡＴＩＯＮＯＦＲＥＭＯＴＥＳＥＮＳＩＮＧＩＭＡＧＥ ＹａｎＸｉｎ　ＺｈａｎｇＹｕｅｑｉｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００２４，Ｓｈａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｅｎｃｏｕｎｔｅｒｓｔｈｅｐｒｏｂｌｅｍｓｏｆｆｕｚｚｉｎｅｓｓｉｎｄａｔａｂｏｕｎｄａｒｙａｎｄｕｎｃｅｒｔａｉｎｔｙｉｎｉｎｔｅｒｐｒｅｔａｔｉｏｎ ｐｒｏｃｅｓｓｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｆｏｒｍａｔｉｏｎ．Ｉｎｌｉｇｈｔｏｆｔｈｉｓ，ａｎｄｉｎｃｏｍｂｉｎａｔｉｏｎｗｉｔｈｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＦＳＶＭ） ｗｈｉｃｈｃａｎｅｆｆｅｃｔｉｖｅｌｙａｖｏｉｄｔｈｅｉｎｔｅｒｆｅｒｅｎｃｅｏｆｔｈｅｎｏｉｓｅｓａｍｐｌｅｓｉｎｃｌａｓｓｉｆｉｃａｔｉｏｎａｐｐｌｉｃａｔｉｏｎｓ，ｗｅｐｒｏｐｏｓｅａｍｅｔｈｏｄｆｏｒｓｏｌｖｉｎｇｔｈｅｍｅｍｂｅｒｓｈｉｐ ｏｆｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｗｈｉｃｈｉｓｂａｓｅｄｏｎｃｌｏｕｄｍｏｄｅｌ．Ｔｈｅｍｅｔｈｏｄｉｎｐｕｔｓｔｈｅｑｕａｎｔｉｔａｔｉｖｅｐｏｓｉｔｉｏｎｏｆｓａｍｐｌｅｓｂｙｔｈｅｒｅｖｅｒｓｅｃｌｏｕｄ ａｌｇｏｒｉｔｈｍｗｉｔｈｏｕｔｍｅｍｂｅｒｓｈｉｐｒｅｑｕｉｒｅｍｅｎｔｔｏｏｂｔａｉｎｔｈｅｎｕｍｅｒｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓａｍｐｌｅｃａｔｅｇｏｒｉｅｓ，ａｎｄｔｈｅｎｇｅｔｓｔｈｅｍｅｍｂｅｒｓｈｉｐｏｆｅａｃｈ ｓａｍｐｌｅｔｏｉｔｓｑｕａｌｉｔａｔｉｖｅｃａｔｅｇｏｒｙａｃｃｏｒｄｉｎｇｔｏｔｈｅｐｏｓｉｔｉｖｅｃｌｏｕｄａｌｇｏｒｉｔｈｍ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｉｔｉｓｆｅａｓｉｂｌｅｔｏｕｓｅｍｅｍｂｅｒｓｈｉｐｏｆ ｔｈｅｃｌｏｕｄｍｏｄｅｌｂａｓｅｄｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｏｎｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ，ａｎｄｔｈｉｓｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｉｍａｇｅｓ． Ｋｅｙｗｏｒｄｓ　　ＦＳＶＭ　Ｍｅｍｂｅｒｓｈｉｐ　Ｃｌｏｕｄｍｏｄｅｌ　Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ 属云，每一个ｘ称为一个云滴［３－５］。云用三个数字特征：期望 ０　引　言 Ｅｘ、熵Ｅｎ和超熵Ｈｅ来统一反映一个整体概念。期望