期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
支持向量机在遥感数据分类中的应用新进展 被引量：39
1
作者 张睿 马建文 《地球科学进展》 CAS CSCD 北大核心 2009年第5期555-562,共8页
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... 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。 展开更多
关键词 支持向量机 遥感数据分类
下载PDF
遥感数据专题分类不确定性评价研究:进展、问题与展望 被引量：30
2
作者 柏延臣 王劲峰 《地球科学进展》 CAS CSCD 北大核心 2005年第11期1218-1225,共8页
从遥感数据中提取专题类别信息是当前遥感数据最主要的应用领域之一。由于遥感分类专题信息广泛应用于各种领域,其数据质量受到越来越多的关注。不确定性是评价分类专题类别数据质量最主要的方面。回顾了遥感数据专题分类不确定性评价... 从遥感数据中提取专题类别信息是当前遥感数据最主要的应用领域之一。由于遥感分类专题信息广泛应用于各种领域,其数据质量受到越来越多的关注。不确定性是评价分类专题类别数据质量最主要的方面。回顾了遥感数据专题分类不确定性评价方法的历史,总结了当前各种评价方法及其指标体系,将这些方法归结为基于误差矩阵的方法、模糊评价方法、像元尺度上的不确定性评价方法和其它方法四大类。对每一类不确定性评价方法及其指标体系的优点和缺点进行了分析和总结,指出从理论方法研究方面,需要优先发展独立于分类方法的像元尺度上的遥感分类不确定性评价模型与指标体系,以及统一的遥感数据分类不确定性评价模型体系研究;在应用研究方面,需要加强优化空间采样设计和不确定性评价过程标准化研究。 展开更多
关键词 遥感数据分类 不确定性 误差矩阵 模糊评价 像元尺度的评价
下载PDF
改进的P-SVM支持向量机与遥感数据分类 被引量：6
3
作者 张睿 马建文 《遥感学报》 EI CSCD 北大核心 2009年第3期437-452,共16页
本文介绍了将P-SVM算法引入多光谱/高分辨率遥感数据的分类,并且展示了卫星ASTER和航空ADS40数字影像分类的技术过程和结果验证。结果表明:P-SVM方法的分类精度不低于SVM,并减少了时耗。
关键词 SVM P—SVM 多光谱/高分辨率遥感数据 遥感数据分类
下载PDF
基于蚁群规则挖掘算法的多特征遥感数据分类 被引量：1
4
作者 戴芹 刘建波 《地理研究》 CSCD 北大核心 2009年第4期1136-1145,共10页
蚁群算法作为一种新型的智能优化算法,已经成功应用在许多领域,然而应用蚁群优化算法进行遥感数据处理则是一个新的研究热点。蚁群规则挖掘算法是基于分类规则挖掘进行分类,能够处理多特征的数据。因此,论文将蚁群规则挖掘算法应用到多... 蚁群算法作为一种新型的智能优化算法,已经成功应用在许多领域,然而应用蚁群优化算法进行遥感数据处理则是一个新的研究热点。蚁群规则挖掘算法是基于分类规则挖掘进行分类,能够处理多特征的数据。因此,论文将蚁群规则挖掘算法应用到多特征遥感数据分类处理中,并采用北京地区的Landsat TM和Envisat ASAR数据作为实验数据,对选择的遥感数据进行了多特征分类实验。实验结果分别与最大似然分类法、C4.5方法进行对比,分析表明:1)蚁群规则挖掘算法是一种无参数分类的智能方法,具有很好的鲁棒性,2)能够挖掘较简单的分类规则;3)能够充分利用多源遥感数据等。它可以充分利用多特征数据进行土地覆盖分类,从而能够提高分类的效率。 展开更多
关键词 蚁群规则挖掘 多特征数据 遥感数据分类
原文传递
基于ISOMAP的高光谱遥感数据的降维与分类 被引量：12
5
作者 丁玲 唐娉 李宏益 《红外与激光工程》 EI CSCD 北大核心 2013年第10期2707-2711,共5页
为挖掘高光谱遥感数据内在的非线性结构特性,采用全局化流形学习算法等距特征映射(ISOMAP)对高光谱遥感数据进行非线性降维,并取得了优于常用的最小噪声分离(MNF)变换方法的结果,具有更好的数据压缩性能。将光谱角相似性度量方法用于ISO... 为挖掘高光谱遥感数据内在的非线性结构特性,采用全局化流形学习算法等距特征映射(ISOMAP)对高光谱遥感数据进行非线性降维,并取得了优于常用的最小噪声分离(MNF)变换方法的结果,具有更好的数据压缩性能。将光谱角相似性度量方法用于ISOMAP算法,取得良好的降维效果。通过把ISOMAP降维算法和k-最邻近分类器相结合对降维后子空间特征进行分类,实验表明:ISOMAP利用较少的特征维数获得比MNF更高的分类精度,并达到较高稳定的分类精度,尤其对难以区分、光谱相似的两类别问题,ISOMAP的特征维数能够有效的提高两类别的可分性。 展开更多
关键词 流形学习 等距特征映射 特征提取 高光谱遥感数据分类
下载PDF
应用监督近邻重构分析的高光谱遥感数据特征提取 被引量：9
6
作者 方敏 王君 +1 位作者 王红艳 李天涯 《红外与激光工程》 EI CSCD 北大核心 2016年第10期271-278,共8页
针对高光谱遥感数据特征提取方法的研究,提出了一种新的监督近邻重构分析(Supervised Neighbor Reconstruction Analysis,SNRA)算法。该方法首先利用同一类别的近邻数据点对各数据点进行重构;然后在低维嵌入空间中保持该重构关系不变,... 针对高光谱遥感数据特征提取方法的研究,提出了一种新的监督近邻重构分析(Supervised Neighbor Reconstruction Analysis,SNRA)算法。该方法首先利用同一类别的近邻数据点对各数据点进行重构;然后在低维嵌入空间中保持该重构关系不变,尽可能地分离开非同类数据点,并利用总体散度矩阵来约束数据间的相关性;最后求解得到一个最佳投影矩阵,进而提取出鉴别特征。SNRA算法不仅保持了同类数据的局部结构而且增强了非同类数据的可分性,同时减少了数据的冗余信息。在Indian Pine和KSC高光谱遥感数据集上的实验结果表明:提出的方法能更好地揭示出高光谱遥感数据的内在特性,提取出更有效的鉴别特征,改善分类效果。 展开更多
关键词 高光谱遥感数据分类 特征提取 监督学习 邻域重构 总体散度矩阵
下载PDF
卫星遥感数据分类不确定性的容差粗糙集处理 被引量：2
7
作者 李利伟 马建文 欧阳赟 《计算机工程》 CAS CSCD 北大核心 2008年第6期1-2,6,共3页
提出一种基于光谱特征邻域的容差粗糙集分类方法,用来处理卫星遥感数据分类中的不确定性问题。利用北京地区Landsat-5TM数据进行分类试验,将结果与现有容差粗糙集方法分类结果进行对比和统计。结果表明,该方法具有良好的可理解性和稳定... 提出一种基于光谱特征邻域的容差粗糙集分类方法,用来处理卫星遥感数据分类中的不确定性问题。利用北京地区Landsat-5TM数据进行分类试验,将结果与现有容差粗糙集方法分类结果进行对比和统计。结果表明,该方法具有良好的可理解性和稳定性,能够处理卫星遥感数据分类的不确定性,在具有复杂光谱特征地物分类方面具有发展潜力。 展开更多
关键词 卫星遥感数据分类 光谱特征邻域 容差粗糙集
下载PDF
贵州省地表遥感覆盖物在名称和分类上的勘误与释义标准
8
作者 袁晓冬 马良瑞 李龙 《贵州科学》 2016年第6期20-25,共6页
目前国内应用遥感领域中,所采用的地表遥感分类办法种类繁多、独立性强、命名理由和习惯不一、标准化差:一方面来源于国外传感器所匹配的分类框架在尺度和制度上与国内沿袭不一需要重新拟定,另一方面也来源于研究者疏于严谨、精确的逻... 目前国内应用遥感领域中,所采用的地表遥感分类办法种类繁多、独立性强、命名理由和习惯不一、标准化差:一方面来源于国外传感器所匹配的分类框架在尺度和制度上与国内沿袭不一需要重新拟定,另一方面也来源于研究者疏于严谨、精确的逻辑框架。从而造成各研究中指代不明,数据意义不明确,甚至在统计上出现矛盾和错误,不仅限制了各研究的科学性同时也阻碍了各数据之间的交流、参照和比对。研究以贵州省为案例,统计并分析现有的各类地表覆盖研究中出现的分类系列、名称及其释义,找出并改正各地物分类和命名在逻辑与方法上出现的混乱、矛盾和错误,并将标准化后的地类系列、名称和释义标准拟为意见建议,供其它研究参考和借鉴。 展开更多
关键词 遥感数据分类框架 土地利用/覆盖 地物 贵州
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部