已閱讀1頁，還剩72頁未讀， 繼續(xù)免費閱讀
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)，請進行舉報或認領(lǐng)
文檔簡介
1、本文針對高光譜數(shù)據(jù)的特性，對SVM在高光譜圖像分類中的應(yīng)用進行了研究，主要內(nèi)容和創(chuàng)新點如下： 1．分析了高光譜數(shù)據(jù)的特性和高光譜圖像的分類流程以及各處理階段的內(nèi)容；指出傳統(tǒng)的分類方法在處理高光譜數(shù)據(jù)分類時存在的弊端，并給出了用支持向量機進行高光譜圖像分類的優(yōu)點。 2．深入研究了多類SVM，并從四個方面總結(jié)了現(xiàn)有的多類支持向量機的構(gòu)造方法：用多個兩類分類器實現(xiàn)多類分類、用層次型兩類分類器實現(xiàn)多類分類、用一個最優(yōu)化問題一次性
2、實現(xiàn)多類分類和糾錯編碼的SVM，介紹了每種構(gòu)造方法的代表性算法，并系統(tǒng)的比較了各種方法的優(yōu)劣。 3．提出了一種二次分類的多類支持向量機，它改良了子分類器的權(quán)向量系數(shù)，提高了不易分的類別之間的可分程度。超光譜圖像的分類實驗結(jié)果表明，該方法具有一定的優(yōu)越性。 4．提出了一種基于1-a-1 SVM的模糊支持向量機，在一定程度上解決了傳統(tǒng)的支持向量機產(chǎn)生的不可分區(qū)域問題。高光譜分類實驗結(jié)果表明，文中提出的算法在同等條件下提高了分
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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的高光譜遙感圖像分類方法研究.pdf
- 基于支持向量機的高光譜圖像分類研究.pdf
- 基于相關(guān)向量機的高光譜遙感圖像分類研究.pdf
- 基于改進支持向量機的高光譜遙感影像分類方法研究.pdf
- 基于支持向量機的高光譜圖像分類技術(shù)研究.pdf
- 支持向量機遙感圖像分類的研究.pdf
- 12458.半監(jiān)督支持向量機高光譜遙感影像分類
- 結(jié)合空間信息的高光譜圖像支持向量機分類研究.pdf
- 基于支持向量機的高光譜多類別分類研究.pdf
- 基于相關(guān)向量機的高光譜圖像分類算法研究.pdf
- 基于圖像融合的高光譜遙感圖像分類研究.pdf
- 基于支持向量機和模糊后處理的遙感圖像分類研究.pdf
- 基于稀疏表示的高光譜遙感圖像分類.pdf
- 基于深度學(xué)習(xí)的高光譜遙感圖像分類.pdf
- 基于集成學(xué)習(xí)的高光譜遙感圖像分類.pdf
- 基于支持向量機的遙感影像分類研究.pdf
- 基于支持向量機的多光譜數(shù)據(jù)分類.pdf
- 基于云理論的高光譜遙感圖像分類研究.pdf
- 基于數(shù)據(jù)融合的高光譜遙感圖像分類研究.pdf
- 基于小波支持向量機的遙感圖像融合.pdf
評論
0/150
提交評論