下载中心
优秀审稿专家
- 2020年度优秀审稿专家
- 2019年度优秀审稿专家
- 2018年度优秀审稿专家
- 2017年度优秀审稿专家
- 2016年度优秀审稿专家
- 2015年度优秀审稿专家
- 2013年度优秀审稿专家
- 2012年度优秀审稿专家
优秀论文
相关链接
摘要
全文摘要次数： 3885
全文下载次数： 68
改进的P-SVM支持向量机与遥感数据分类
1.中国科学院 遥感应用研究所, 北京 100101;2.中国科学院 研究生院, 北京 100049
摘要:
本文介绍了将P-SVM算法引入多光谱/高分辨率遥感数据的分类, 并且展示了卫星ASTER和航空ADS40数字影像分类的技术过程和结果验证。结果表明：P-SVM方法的分类精度不低于SVM, 并减少了时耗。
关键词:
SVM P-SVM 多光谱/高分辨率遥感数据 遥感数据分类Improved support vector machine and classification for remotely sensed data
Abstract:
In this paper, the P-SVM algorithm was introduced into multi-spectral/high-spatial resolution remotely sensed data classification and it is applied to classification of ASTER satellite data and ADS40 aerial digital data. The experiments indicate that the P-SVM is at least competitive with the standard SVM algorithm in classification accuracy of remotely sensed data and the time needed is less.
本文暂时没有被引用！
