| 支持向量机在遥感数据分类中的应用新进展 |
| |
| 引用本文： | 张睿,马建文.支持向量机在遥感数据分类中的应用新进展[J].地球科学进展,2009,24(5):555-562. |
| |
| 作者姓名： | 张睿 马建文 |
| |
| 作者单位： | 1. 中国科学院遥感应用研究所,北京,100101;中国科学院研究生院,北京,100049
2. 中国科学院对地观测与数字地球科学中心,北京,100190 |
| |
| 基金项目： | 国家重点基础研究发展规划(973计划)，中国高技术研究发展计划项目，中国科学院知识创新工程青年人才领域前为沿专项项目 |
| |
| 摘 要： | 支持向量机是一种基于统计学习理论的新型机器学习算法,它通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.随着应用面的不断扩大,支持向量机在遥感领域也得到了广泛关注.该算法已经成功的应用于遥感数据的土地覆盖、土地利用分类,多时相遥感数据的变化检测,多源遥感数据信息融合等,并且在高光谱遥感数据处理中得到了广泛应用.综述了支持向量机算法在遥感数据分类中的应用.首先对支持向量机的理论进行简要介绍,进而综述了该算法在不同遥感问题中的应用进展,最后阐述了新型支持向量机算法的发展以及在遥感中的应用.
|
| 关 键 词： | 支持向量机 遥感数据分类 |
State of the Art on Remotely Sensed Data Classification Based on Support Vector Machines |
| |
| ZHANG Rui,MA Jianwen.State of the Art on Remotely Sensed Data Classification Based on Support Vector Machines[J].Advance in Earth Sciences,2009,24(5):555-562. |
| |
| Authors: | ZHANG Rui MA Jianwen |
| |
| Institution: | 1.Institute of Remote Sensing Applications, CAS, Beijing 100101, China; 2. Graduate University of CAS, Beijing 100049, China;
3. Center for Earth Observation and Digital Earth, CAS, Beijing 100190, China |
| |
| Abstract: | Support Vector Machine(SVM) is a state-of-the-art machine learning algorithm based on statistical learning theory.It tries to find the optimal classification hyperplane in high dimensional feature space to handle complicated classification and regression problems by solving optimization problems.With the development of the theory and its applications,SVM has been used in remote sensing community successfully.SVM has been applied to land cover/land use classification for remotely sensed data,change detection... |
| |
| Keywords: | Support vector Classification for remotely sensed data Review |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《地球科学进展》浏览原始摘要信息 |
| 点击此处可从《地球科学进展》下载免费的PDF全文 |
|
