收藏本站
收藏 | 论文排版

基于SVM的多源遥感分类的竹林信息提取方法研究

蔡华利  
【摘要】: 随着遥感技术的不断进步与成熟,目前越来越多的被应用于环境监测、规划、灾害评估、军事等领域。本文对SVM分类理论和方法进行了重点介绍与研究,第一次将此种分类方法应用于竹林信息提取的研究;该研究以福建省顺昌县为例,利用多种分类方法,结合多源遥感数据对顺昌县的竹林信息进行了提取,并对其提取精度进行了评价和对比,结果显示基于多源遥感的SVM分类方法达到了较高的精度。 首先,本文采用了2007年5月TM数据和2008年5月ALOS数据,并对数据进行了大量的预处理工作,包括影像的精校正,数据的融合和评价等,在融合数据的基础上辅助以地形图、资源分布图等GIS数据进行了分类研究。 其次,本文采用了多种分类方法对竹林信息进行提取,包括非监督分类、最大似然分类、子象元分类和基于光谱特征的分类,并将多种分类方法结果进行了精度评价和对比,结果表明SVM分类方法总体精度达到了81.01%,对竹林的分类精度达到了82.52%,在各方面的指标精度均优于其它分类方法。 最后,针对本文研究过程中存在的问题和如何进一步提高竹林分类的精度提出了建议。 本文在SVM分类方法的模型选择、核函数选择和C参数确定方面做了大量的工作,在考虑到时间效率和精度方面的因素,对于竹林的信息提取最终确定应用LOO模型、RBF核函数和C参数为13的情况下对竹林进行分类研究。本研究采用的SVM分类方法是一种较先进的分类方法,它是建立在经验风险最小化理论上的分类方法,能够克服传统分类方法对“技巧”的过分依赖,对竹林的分类比较适用。本文认为对于遥感数据的预处理质量仍是影响分类精度的关键因素之一,预处理的结果直接影响到最终分类的结果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 潘继斌;;基于SVM的多特征数据的概率融合方法[J];湖北师范学院学报(自然科学版);2009年02期
2 马闯;蹇易;黄慧艳;;基于多软件融合方法的真核生物基因启动子预测[J];武汉大学学报(理学版);2008年06期
3 潘继斌;;基于SVM的融合双特征信息的模式识别方法[J];湖北师范学院学报(自然科学版);2008年04期
4 唐王琴;梁栋;胡根生;马雪亮;杭丹萍;;基于支持向量机的遥感图像厚云去除算法[J];遥感技术与应用;2011年01期
5 施建宇;潘泉;张绍武;邵壮超;姜涛;;基于多特征融合的蛋白质折叠子预测[J];北京生物医学工程;2006年05期
6 王忠武;刘顺喜;陈晓东;;IKONOS图像融合中自动拟合低分辨率全色图像的方法[J];武汉大学学报(信息科学版);2010年11期
7 潘继斌;;基于SVM局部后验概率融合方法研究[J];数学的实践与认识;2006年02期
8 潘继斌;回归函数的支持向量机估计法[J];湖北师范学院学报(自然科学版);2003年04期
9 孟科,张恒喜,李寿安,朱家元;基于SVM的可靠性评估方法研究[J];中国制造业信息化;2004年10期
10 周秀平;王文圣;黄伟军;;支持向量机回归模型在径流预测中的应用[J];水电能源科学;2006年04期
11 胡挺;;基于支持向量机的并购目标搜索研究[J];统计与决策;2007年06期
12 邹华胜;宁书年;杨峰;徐遵义;;支持向量机在储层厚度预测和计算中的应用[J];地球物理学进展;2007年05期
13 范千;王新洲;许承权;;大坝变形预测的支持向量机模型[J];测绘工程;2007年06期
14 郭丽娟;孙世宇;段修生;;支持向量机及核函数研究[J];科学技术与工程;2008年02期
15 王炜;郭小明;王淑艳;刘丽琴;;关于核函数选取的方法[J];辽宁师范大学学报(自然科学版);2008年01期
16 王振友;叶丽婷;牛庆敏;;大气中臭氧含量分析预测的支向量机模型[J];数学的实践与认识;2008年09期
17 王海洋;丁正生;;支持向量机训练算法概述[J];科技信息(科学教研);2008年09期
18 杨钟瑾;;核函数支持向量机的研究进展[J];科技资讯;2008年19期
19 沈乐平;黄维民;饶天贵;;基于支持向量机的上市公司违规预警模型研究[J];中大管理研究;2008年02期
20 王慧勤;;基于支持向量机的短期风速预测研究[J];宝鸡文理学院学报(自然科学版);2009年01期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
2 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
3 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
4 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
5 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
6 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
7 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
8 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
9 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
10 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
中国硕士学位论文全文数据库 前10条
1 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
2 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
4 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
5 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
6 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
7 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
9 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
中国重要报纸全文数据库 前10条
1 中国科学院自动化研究所模式识别国家重点实验室 周密陶建华;与电脑面谈[N];计算机世界;2007年
2 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
3 李水根;计算机详解配伍与药效关系[N];健康报;2005年
4 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
5 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
6 第四采油厂党委宣传部部长 李新民;探索加强和改进思想政治工作新途径[N];中国石油报;2000年
7 南京航空航天大学纳米科技中心 郭万林;纳米科学计算模拟方法的发展[N];科技日报;2002年
8 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
9 ;选择合适的数据挖掘算法[N];计算机世界;2007年
10 高飞;基于多传感器数据融合的油/气/水三相流测量[N];科技日报;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978