学位论文 > 优秀研究生学位论文题录展示

基于支持向量机和模糊后处理的遥感图像分类研究

作　者: 刘柳
导　师: 黄正军
学　校: 华中科技大学
专　业: 系统分析与集成
关键词: 遥感图像分类支持向量机多类分类模糊后处理
分类号: TP751
类　型: 硕士论文
年　份: 2010年
下　载: 133次
引　用: 0次
阅　读: 论文下载

内容摘要

遥感图像的分类是获取图像信息的主要途径之一。传统的目视解译方法已远远不能满足海量数据处理的需要,因此,研究计算机智能识别分类,对于批量加工数据,减少信息提取的周期,具有十分重要的意义。支持向量机(Support Vector Machine,SVM)技术是近年来智能分类领域的热点。它于九十年代中期提出,在统计学习理论基础上结合了二次规划、核方法等已有理论,具有良好的推广能力。其先进的理论背景,使之在处理小样本分类的情况中,展现出分类精度高、算法稳定有效的特点。而遥感图像分类里用到的训练样本一般十分有限,可归属于小样本,所以研究支持向量机在遥感图像分类中的应用具有较高的实际价值和广阔的发展空间。本文研究了遥感图像分类的新方法——基于支持向量机和模糊后处理的算法。在分析了其相关理论的基础上,详细探讨两类及多类分类支持向量机,对一对余和一对一SVMs的优势与不足进行了剖析,引入模糊隶属度函数解决存在的算法缺陷。最后以湖北省武汉地区的TM543合成遥感图像为实验素材,建立了带模糊后处理的一对一支持向量机模型,并得到分类图和相应的测试分类数据。为了对比支持向量机的性能,本实验还实现了最大似然法分类。从定性和定量等角度分析可知,支持向量机结合模糊后处理的方法在遥感图像分类中是可行的,而且相比最大似然和普通支持向量机算法,具有更好的分类效果。

全文目录

摘要  4-5
ABSTRACT  5-8
1 绪论  8-14
  1.1 研究背景和意义  8-9
  1.2 遥感图像分类研究现状  9-11
  1.3 模糊支持向量机的研究现状  11-12
  1.4 本文研究工作  12
  1.5 本文章节安排  12-14
2 支持向量机和模糊理论  14-36
  2.1 统计学习理论  14-19
  2.2 二次规划和对偶理论  19-21
  2.3 支持向量机  21-32
  2.4 模糊理论  32-34
  2.5 小结  34-36
3 多类分类SVM 结合模糊处理算法  36-42
  3.1 多类分类算法  36-39
  3.2 后期模糊处理算法  39-41
  3.3 小结  41-42
4 TM 遥感图像分类实验及分析  42-56
  4.1 先验知识  42-45
  4.2 最大似然法（maximum likelihood）  45
  4.3 实验过程  45-53
  4.4 结果分析  53-54
  4.5 小结  54-56
5 总结和展望  56-58
  5.1 总结  56-57
  5.2 展望  57-58
致谢  58-59
参考文献  59-63
附录1 硕士期间发表的论文目录  63

基于支持向量机和模糊后处理的遥感图像分类研究

内容摘要

全文目录

相似论文