基于SVM遥感图像专题信息提取研究

《基于SVM遥感图像专题信息提取研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘一要支持向量机(SVM)是一种基于统计学习理论的机器学习算法，在解决有限样本、非线性及高维模式识别问题中表现出许多特有的性能，并且具有强大的泛化能力。本文正是利用SVM的这些优点，对数据量繁多的遥感图像进行矿化信息提取，有效地识别遥感图像。本文的主要工作包括：。1．讨论了SVM基本原理，阐述并且分析了目前国际上几种流行的算法；概述了遥感图像处理的理论，并结合实际工作，处理研究区的遥感图像。2。在实验过程中，采集正类样本和负类样本，有效地构造SVM的训练集。再对样本进行多次的训练，优化算法，运用k一折交叉比对(k-crossvalidati

2、on)的方法确定参数C，通过实验确定支持向量(SV)，从而建立SVM的分类模型。13．应用SVM模型，测试研究区遥感图像数据，提取矿化信息。分析对比几种核函数的分类结果。。”。‘4．提取的矿化信息结果经与地质资料比较，已知矿床(点)均落在提取的结果内，说明本方法对青海省牛首山地区的遥感数字图像进行矿化信息提取是有比较好的结果。提取结果可供矿业公司登记矿权时参考。、“，。l关键词：支持向量机，遥感，矿化信息提取，算法ABSTRACTSupportVectorMachine(SVM)isamachinelearningalgorithmbase

3、d011StatisticalLearningTheory．Ithaveagoodclassificationabilityforlimitedtrainingsamples，nonlinearseparationandhigh-dimensionalpatternrecognition．11坞resultofpracticalapplicationindicatesthatSVMhasgoodgeneralizationability．Inthispaper,weUseSVMtoextractmineralizinginformation

4、fromRSimagesandeffectuallyreeongnizeRS●nnages·，一；11地maincontentsofthispaperareasfollows．1．ThispaperelaboratesSVMtheory,analyzesseveralpopularalgorithmsandsummarizesRSimageprocessingtheory．Usingmanymethods，weprocessRSimages．，．一。，2．ThispaperresearehshowtogatherposRivesamples

5、andnegstivesamplesandconstructtrainingdatasetinexperiment，andhowtolearntrainingdataandoptimizeSVMalgorithm．Paperusesk-，crossvalidationtoworkoutpenaltyparameter．．C．Byexperiment,findingoutsupportvectors(SV)andconstructingSVMmodeling．3．UtilizingSVMmodelingtotestexperimentalda

6、taofRSimagesandextractmineralizinginformation．Papercomparesradialbasisfunetion(RBF)kernelwithpolynomialkernelandlinearkernel，andanalyzestheirclassificationaccuracys．4．Experimentalresultshowsthatmineralizinginformationextractedcornformstogeologicaldata，andtheknownmineralizi

7、nginformationiseffectuallyrecongnizedandextracted．ItmeansthatSVMCallbeusedtoprocessRSimagesandextractmineralizinginformationofNiu-Shou—Shanarea．ExperimentalresuRCanreferminingcompaniestoregisterminingrights．Keywords：SVM，RS，mineralizinginformationextraction，algorithmⅡ原创性声明本

8、人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致训的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为