基于超球体多类支持向量机的高光谱遥感影像分类-摄影测量与遥感专业论文.docxVIP

原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名：j蟠k 日期：业年堕月垃日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文， 允许学位论文被查阅和借阅：学校可以公布学位论文的全部或部分内 容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科 学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》， 并通过网络向社会公众提供信息服务。 作者签名：一盎李韭导师签名：互J丝垒丝／ 日期：塑L年盟月丛日 摘要支持向量机是统计学习理论框架下产生的一种有效解决 摘要 支持向量机是统计学习理论框架下产生的一种有效解决 “Hughes”现象的学习方法。它以结构风险最小化为原则，集成了最 大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等技术， 克服了传统学习机的局部最小、维数灾难和过学习问题，表现出很多 优于已有学习方法的性能。但是这种分类器仍存在一些不足之处：计 算复杂；内存需求量大；难以用于大规模高光谱遥感影像数据分类。 本文提出将超球体多类支持向量机及其改进算法——最小二乘超球 体多类支持向量机和半模糊最dx--乘超球体多类支持向量机用于高 光谱遥感影像分类中，并获得了较好的分类效果。 本文的主要工作如下： 第一，深入研究了机器学习，统计学习理论以及支持向量机发展 和原理，讨论了支持向量机的理论和算法，包括核函数理论，参数选 择等问题。总结了现有多类支持向量机的构造方法。通过实验数据说 明了支持向量机用于高光谱遥感影像分类能够取得很好的分类效果。 第二，重点论述了超球体多类支持向量机的原理及概念，为进一 步提高速度和精度，将最小二乘和半模糊核聚类思想引入超球体多类 支持向量机中：在目标函数中使用二次函数，将不等式约束改为等式 约束，并取消了乘子的取值限制，使得最小二乘超球体多类支持向量 机在乘子搜索和优化计算方面速度更快，加快了分类器的整体收敛速 度。半模糊最dx-乘超球体多类支持向量机采用半模糊核聚类算法对 样本进行预处理，选取边缘位置最有可能成为支持向量的样本参与分 类器构建，进而降低计算量，进一步加速最dx--乘超球体多类支持向 量机的训练。样本的训练使“顺次最小优化算法(Sequential Minimal Optimization algorithm，SMO)，在Zoutendijk可行方向法的工作集选择下， 收敛速度比基于经验的工作集选择有进一步提高。 第三，论文最后以高光谱遥感影像作为实验数据得出分类后的总 体精度和卡帕系数。经过分析得出结论：相对于标准的支持向量机分 类算法，基于超球体多类支持向量机的高光谱图像分类算法模型计算 速度得到明显提升，分类精度有所提高，取得了较好的分类效果。 关键词：支持向量机超球体多类支持向量机最小二乘超球体支 持向量机半模糊核聚类 参数选择 ABSTRACTSupport ABSTRACT Support vector machine iS a new general machine learning method based on Statistical Learning Theory,can solve hughes phenomenon effectively．It based on statistical learning theory,concentrated several good technologies such as maximum margin hyper plane，Mercer kernel， convex quadratic programming，spare solutions and slack variables， which can overcome the shortages of traditional classifiers．10cal minimization，curse of dimension and overfitting．This classification there are still some shortcomings：high computation complexity，large memory demanding and very difficult to use f