2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、遙感圖像的分類結(jié)果會(huì)對(duì)圖像后續(xù)信息的提取產(chǎn)生較大的影響,而支持向量機(jī)憑借其優(yōu)異的分類效果,逐漸在遙感圖像分類中占據(jù)重要地位。
  本文主要研究了分層決策樹支持向量機(jī)(HDT-SVM)在遙感圖像中的分類,主要工作如下:
  1、提出了一種基于監(jiān)督分類(Kmeans)的特征提取方法。提取遙感影像特征時(shí),分析了基于目視解譯與基于監(jiān)督分類的分類結(jié)果,實(shí)驗(yàn)表明基于Kmeans預(yù)分類的特征提取能夠有效提高提取特征的正確性,進(jìn)而提高遙感圖

2、像分類的正確性。
  2、提出了一種內(nèi)嵌遺傳的粒子群算法(GA-PSO)來優(yōu)化混合核參數(shù)。在優(yōu)化混合核參數(shù)時(shí),粒子群優(yōu)化算法加入了遺傳算法的交叉與變異特性,實(shí)驗(yàn)證明GA-PSO能更有效地優(yōu)化核參數(shù),進(jìn)而提高遙感圖像分類的正確性。
  3、提出了一種基于最優(yōu)特征加權(quán)組合的分層決策樹支持向量機(jī)(HDT-SVM)分類方法。HDT-SVM考慮了正態(tài)樹分類的時(shí)間優(yōu)勢(shì)與偏態(tài)樹分類的精度優(yōu)勢(shì),而最優(yōu)特征的加權(quán)組合更易區(qū)分類別之間的差異性,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論