Study on the hyperspectral remote sensed image classify based on PCA and SVM

您当前的位置：

首页 >

文章列表页 >

Study on the hyperspectral remote sensed image classify based on PCA and SVM

更新时间：2025-09-01

- Study on the hyperspectral remote sensed image classify based on PCA and SVM
- Vol. 34, Issue S1, Pages: 184-187(2008)
- 作者机构：
  
  1:第二炮兵工程学院
- 作者简介：
- 基金信息：
- DOI：
  CLC：
- Published：2008
- 稿件说明：
移动端阅览
Study on the hyperspectral remote sensed image classify based on PCA and SVM[J]. 2008, 34(S1): 184-187.
DOI：

Study on the hyperspectral remote sensed image classify based on PCA and SVM[J]. 2008, 34(S1): 184-187. DOI：

摘要

支持向量机(SVM)是根据统计学习理论提出的新的研究方法

它在解决小样本、非线性及高维模式识别问题中表现出了许多特有的优势

在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。由于高光谱图像波段数目多

各波段间具有较强的相关性

因此通过主成分分析(PCA)方法对高光谱数据进行预处理

达到了降维的目的

同时也去除了噪声波段。用支持向量机方法对高光谱遥感图像进行分类

可实现图像的分类识别。

Abstract

关键词

Keywords

references

Views

1252

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Dimensionality reduction method based on combination of PCA and ICA

Design of stacked wide-spectrum thermal radiation absorber based on metamaterial

Feature extraction algorithm of OCT image based on wavelet decomposition pyramid

Integrated design of low wavenumber and high-resolution Broad-Spectrum Raman spectrometer

Parameter optimization of TDLAS wavelength modulation pressure measurement method

Related Author

王一帆

唐正宁

胡伟

方兴

金明睿

江晨

张晨曦

陈明惠

Related Institution

1:江南大学物联网工程学院

1:衢州学院机械工程学院浙江省空气动力装备技术重点实验室

1:上海理工大学教育部微创医疗器械工程研究中心生物医学光学与视光学研究所

2:上海奥普生物医药有限公司

1:上海理工大学光电信息与计算机工程学院

⁰