基于不确定性的大样本集抽样设计

发布时间：2017-10-27 22:22

  本文关键词：基于不确定性的大样本集抽样设计

  更多相关文章： 抽样 支持向量机 训练样本 不确定性 遥感影像分类

【摘要】：本文研究是针对全球森林覆盖变化检测系统的大训练样本选择的优化问题。样本自动标记系统自动标记了"千万个"代表森林和非森林的像元。为了提高精度和效率,我们需要从千万个样本的大样本集中选择对训练分类器有益的样本。本文提出了两种方法:第一种方法是传统的分层等距离采样;第二种方法是基于不确定性的样本优化,通过研究相同样本间的相似性度量指标、样本不确定性度量指标及样本特征空间分布,来实现基于不确定性的训练样本选择策略。实验通过精度评价验证了基于不确定性的采样策略能比传统的分层等距离采样策略获得好的效果。
【作者单位】： 武汉大学遥感信息工程学院;武汉大学测绘学院;中国地质大学(武汉)信息工程学院;
【关键词】： 抽样 支持向量机 训练样本 不确定性 遥感影像分类
【基金】：国家自然科学基金项目(41471375,4140011312)资助
【分类号】：P237;TP751
【正文快照】： 0引言 现有遥感影像地物分类方法主要集中在利用遥感影像像素的波谱信息,采用距离、角度、概率等聚类准则或支持向量机、神经网络等方法实现分类[1]。在遥感影像监督分类中,为了得到分类模型,需要采集样本数据作为分类模型的训练数据。训练数据是影响遥感影像监督分类系统分，

本文编号：1105477