基于svm不同核函数的遥感影像分类算法研究.doc

基于SVM不同核函数的遥感影像分类算法研究

2.12万字 50页 原创作品，已通过查重系统

摘 要

在当今信息化时代下，遥感技术已经全面应用到各个领域，遥感图像分类作为遥感领域的研究热点，它的发展对遥感数据分析和信息提取的作用不言而喻。人类需要不断改进遥感图像分类技术来应对数据量庞大以及优化不稳定等问题。支持向量机（SVM）是一种机器学习算法，该算法以统计学习理论为基础，致力于完成优化任务，使不同的光谱图像数据能够进行分类。核函数能够保证样本集在高维空间下可分，解决维数灾难问题以及部分线性不可分的问题。
本文主要的研究内容如下：
1）SVM通过优化途径解决分类问题，系统全面地概括支持向量机理论；
2）对图像进行预处理并分析光谱数据，研究SVM分类算法，并尝试提出一种改进算法，提高分类精度；
3）对比不同核函数对光谱图像的分类效果，使用精度较好的高斯核函数进行简单分类，再针对高光谱与多光谱图像，在不调节内部参数的前提下使用4种不同类型的核函数进行对比实验，总结出核函数对精度的影响。



关键词：支持向量机SVM；核函数；光谱图像