城市园林植被高光谱数据的分类优化分析

摘要：

本文针对城市园林植被种类繁多、纹理具有相似性、样本数据小造成的分类精度较低的问题,采用不同特征维数和降维方法(主成分分析(PCA)、最小噪声分离(MNF)、独立成分分析(ICA))与支持向量机(Support Vector Machine,SVM)结合对其高光谱数据进行分类研究,得出分类精度最高的组合方法,并总结SVM分类精度随特征维数的变化规律.研究结果表明:MNF-SVM能够有效的解决城市园林植被样本不足的问题,提高了SVM分类精度.其中ICA-SVM、PCA-SVM、MNF-SVM方法的分类精度均随特征维数的增大而波动上升,达到峰值后在一定范围波动下降.

关键词： 城市园林植被 高光谱图像 分类精度 支持向量机 特征维数

作者: 任淯 戴晓爱 刘雨 郭守恒 杨晓霞 田亚铭

作者单位: 成都理工大学地球科学学院,四川成都610059 成都理工大学地球科学学院,四川成都610059;成都理工大学地学空间信息技术国土资源部重点实验室,四川成都610059

会议类型: 国内会议

会议名称: 2016中国地理信息科学理论与方法学术年会

会议地点: 深圳

会议语种:中文

页码: 1-5

在线出版日期: 2016-09-23（万方平台首次上网日期，不代表论文的发表时间）