一种基于ELM-SVM的遥感图像分类方法

发布时间：2018-03-19 08:51

  本文选题：支持向量机　切入点：遥感数据　出处：《东北师大学报(自然科学版)》2017年01期 　论文类型：期刊论文

【摘要】：提出一种极限学习机(ELM)和支持向量机(SVM)相融合的遥感图像分类模式.选取ELM为基础分类器,以SVM来修正改善分类效率.仿真实验结果表明,该算法不仅具有较高的分类精度,而且消除一些训练样本标签对分类的负面影响.结合ALOS/PALSAR、PSM图像与SVM、ANN(Artificial Neural Network)方法进行对比分析,发现该方法鲁棒性较好.
[Abstract]:A remote sensing image classification model based on ELM and support vector machine (SVM) is proposed. The classification efficiency is improved by using SVM. The simulation results show that the proposed algorithm not only has a high classification accuracy, but also improves the classification efficiency by using SVM as the basic classifier. In addition, the negative effects of some training sample labels on classification are eliminated. The comparison of ALOS / PALSARN PSM image and SVM / ANN artificial Neural Network method shows that the proposed method is more robust.
【作者单位】： 伊犁师范学院电子与信息工程学院;东北师范大学地理科学学院;东北师范大学计算机科学与信息技术学院;
【基金】：国家自然科学基金资助项目(61663045) 新疆高校科研计划重点研究项目(XJEDU2014I043) 伊犁师范学院重点项目(2016YSZD04)
【分类号】：TP751

【相似文献】

相关期刊论文 前10条

1 刘庆生,刘高焕,蔺启忠,王志刚;基于逻辑斯蒂模型的遥感图像分类[J];国土资源遥感;2001年01期

2 谭衢霖,邵芸;雷达遥感图像分类新技术发展研究[J];国土资源遥感;2001年03期

3 杜凤兰,田庆久,夏学齐;遥感图像分类方法评析与展望[J];遥感技术与应用;2004年06期

4 李石华,王金亮,毕艳,陈姚,朱妙园,杨帅,朱佳;遥感图像分类方法研究综述[J];国土资源遥感;2005年02期

5 付小勇;杨建祥;谭靖;;基于统计的遥感图像分类方法[J];林业调查规划;2005年06期

6 王一达;沈熙玲;谢炯;;遥感图像分类方法综述[J];遥感信息;2006年05期

7 李华;曹卫彬;刘姣娣;;土地监测中提高遥感图像分类精度的方法研究[J];安徽农学通报;2008年22期

8 岳昔娟;张勇;黄国满;;改进的直方图均衡化在遥感图像分类中的应用[J];四川测绘;2008年04期

9 曾联明;吴湘滨;刘鹏;;感兴趣区域遥感图像分类与支持向量机应用研究[J];计算机工程与应用;2009年06期

10 金良;于凤鸣;;计算机遥感图像分类法在天然草原土地利用现状研究中的应用[J];科技资讯;2010年36期

相关会议论文 前5条

1 张守娟;周诠;;空间数据挖掘决策树算法在遥感图像分类中的应用研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年

2 邓文胜;邵晓莉;刘海;万诰方;许亮;;基于证据理论的遥感图像分类方法探讨[A];中国地理学会2006年学术年会论文摘要集[C];2006年

3 周军其;张红;孙家b，

本文编号：1633541