資源描述：
《基于SVM遙感數(shù)據(jù)專題信息提取》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第一章前言摘要隨著航天、計(jì)算機(jī)及其相關(guān)技術(shù)的發(fā)展，從遙感數(shù)據(jù)中提取專題信息已成為當(dāng)今信息時(shí)代非常熱門的研究領(lǐng)域，而尋找從遙感數(shù)據(jù)中提取如礦化信息這樣的弱信息的方法則是地學(xué)領(lǐng)域的一個(gè)新的重要課題。本文在簡(jiǎn)要介紹遙感專題信息提取的研究?jī)?nèi)容、研究方法和研究動(dòng)態(tài)之后，分析了提取礦化信息的機(jī)理，從應(yīng)用角度對(duì)支持向量機(jī)(supportVectorMachine，簡(jiǎn)稱SVM)的算法原理、分類、模型的自動(dòng)選擇、算法實(shí)現(xiàn)的優(yōu)化、存在的問(wèn)題及解決辦法等進(jìn)行了全面的討論，將sVM算法應(yīng)用于遙感專題信息提取，提出了一種新的TM遙感圖微
2、弱信息提取方法，并以試驗(yàn)證明其精確度和可行性。在試驗(yàn)中，首先以RGB值作為輸入三維特征向量，應(yīng)用sw對(duì)圖片進(jìn)行識(shí)別，測(cè)試了SVM在圖形識(shí)別中的精確度和LOo(Leave—One—Out)自動(dòng)模型選擇算法的效率；其次，對(duì)青海省兩蘭地區(qū)(都蘭縣一烏蘭縣)的TM遙感數(shù)據(jù)進(jìn)行測(cè)試，其訓(xùn)練集分別采用沙地和山地的32×32像元的子集，測(cè)試集為512×512像元約236平方公里的地區(qū)進(jìn)行分類識(shí)別，獲得了較好的效果；而訓(xùn)練集采用銅礦化子集對(duì)同一地區(qū)進(jìn)行分類，可能由于訓(xùn)練集純凈程度的問(wèn)題，分類結(jié)果不如前者。最后，我們總結(jié)了應(yīng)用S
3、Ⅷ提取遙感數(shù)據(jù)中弱信息存在的問(wèn)題，并提出改進(jìn)算法的建議。本文的主要研究成果：1．本文首次應(yīng)用SvM識(shí)別算法對(duì)TM遙感圖像進(jìn)行礦化信息提取，提出了一套新的礦化信息提取方法，并取得了一定的成效。2．測(cè)試了以彩色圖片的R、G、B彩色值構(gòu)成輸入特征向量，運(yùn)用svM算法對(duì)圖片的識(shí)別精確度及L00模型自動(dòng)選擇算法效率。為遙感圖像識(shí)別提供了識(shí)別精度的依據(jù)。3．解決了應(yīng)用svM識(shí)別算法對(duì)遙感礦化信息提取過(guò)程中輸入樣本特征向量(微弱信息樣本)的構(gòu)造問(wèn)題。4．對(duì)具體的小區(qū)域運(yùn)用本文所提出的礦化信息提取的方法對(duì)遙感圖像進(jìn)行識(shí)別試驗(yàn)，
4、從實(shí)用角度分析和證明這種方法的可行性與識(shí)別效果。5．提出了進(jìn)一步改進(jìn)進(jìn)行專題信息提取方法，以期獲得更高的識(shí)別精度。關(guān)鍵詞：支持向量機(jī)，L00算法，礦化信息提取，遙感圖像分類，特征向量!里查羔堡!：堂絲墮蘭塑：：翌塑亙AbstractAsthedevelopmentofaeronauticsandcomputerscienceandtheirtechnolo百es，extractingspecialinfonnation矗omRS(RemoteSense)datahasalreadybecomeaven，popu
5、larresearchareaininfonllationtimesoftoday．Butextractingweakinfomlationsuchasmineralizinginfbnnation矗omRSdataisstillanewandim_portantsubjectingeo靜aphyAfterbrienyin昀ducingresearchcontents，印proachesandtendencyofextractingspecialinfo咖ation仔omRS，mispa．peranalyzes
6、principlesofex仃actingmineralizingin氨姍ation，anddiscusses，appliedly，SVM’s(SupponvectorMachine)algorithmprinciples，classification，automaticselectjonofmodal，optinlizationofalgorithm’sactualization，problemsexistedinthealgorithmandtheirsolutionsetc．a(chǎn)ndproposesanew
7、approachofextractingweakinfomation丹omTMRS口icturesaJldprovesitsaccuracyandpracticabilitythroughthee)【periment．Inmeexperiment，矗rst，、vimRGBvaluesasinputfcaturevectorsoft11ree．dimensions，mepjctureisrecognizedbySVMandmeaccuracvofSVMinrecogllitiontogetherwimtheemc
8、iencVofalg嘶t}ⅡnofLOO(Leave-One一0utlautomaticmodalselectionaretested．nenTMRSdataofLiall91a11district(DulancountyandWulaJlcouIlMin0i11llaiProvinceistested．Itstrainingset，withsandareaandmountainof3
