基于模糊支持向量机的高光谱图像分类

您当前的位置：

首页 >

文章列表页 >

基于模糊支持向量机的高光谱图像分类

光学信息与图像处理 | 更新时间：2025-09-01

- 基于模糊支持向量机的高光谱图像分类
- Classification of hyperspectral images with FSVM
- 光学技术 2008年34卷第S1期页码：138-140
- 作者机构：
  
  1:西安电子科技大学技术物理学院
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2008
- 稿件说明：
移动端阅览
徐杰, 张建奇, 刘德连, 等. 基于模糊支持向量机的高光谱图像分类[J]. 光学技术, 2008,34(S1):138-140.

Classification of hyperspectral images with FSVM[J]. 2008, 34(S1): 138-140.
徐杰, 张建奇, 刘德连, 等. 基于模糊支持向量机的高光谱图像分类[J]. 光学技术, 2008,34(S1):138-140. DOI：

Classification of hyperspectral images with FSVM[J]. 2008, 34(S1): 138-140. DOI：

常规支持向量机应用到高光谱图像分类中有较好的分类效果

但它对训练样本内部的噪声和孤立点特别敏感

在一定程度上影响了支持向量机的分类性能

针对该问题

引入了模糊支持向量机(FSVM)

并且利用灰色关联分析代替模糊隶属度的求解

将这种基于灰色关联分析的模糊支持向量机与一对多算法相结合

解决了多类高光谱图像分类问题。HYDICE高光谱图像分类结果表明

噪声和孤立点训练样本对支持向量机的影响得到了有效地抑制

相比于常规支持向量机方法

分类精度得到了明显的提高。

浏览量

373

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于激光雷达的内河无人船障碍物识别方法

基于Krawtchouk矩和支持向量机的印鉴真伪识别

紫外/可见光下海洋溢油油种光谱识别方法

适用于星敏感器的导航星表构造算法研究

基于PCA和SVM的高光谱遥感图像分类研究