結合Boosting與支援向量機於衛星影像分類之研究
监督式影像分类需透过训练样本的选取,进而以训练样本的特徵值作为其他未知像元的分类准则。因此,训练样本的特征、大小、同质性与否等,皆会影响监督式分类结果，而支援向量机可将低维资讯透过映射的方式转换至高维的特徵空间,寻找类别间最大的分离边界,但由于支援向量机亦属监督式的分类方式,训练样本的适切与否仍可能影响其正确分离类别的能力。 本研究利用Boosting演算法,以其具有针对训练样本进行重新组合并可重复学习迭代的特性,将之应用于支援向量机分类器上,并比较了支援向量机与Boosting结合支援向量机于卫星影像分类上之特性与精确程度。
遥感测绘 卫星影像 图像处理 支持向量机
陳瑋琪 陳美心 劉致亨 周天穎
逢甲大學土地管理學系碩士班,台灣 中興大學水土保持學系博士班,台灣 逢甲大學土木及水利工程研究所博士班,台灣 逢甲大學地理資訊系統研究中心主任,台灣
国内会议
桂林
中文
1-6
2008-09-15（万方平台首次上网日期，不代表论文的发表时间）