資源描述：
《基于SVM遙感圖像專題信息提取研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘一要支持向量機(jī)(SVM)是一種基于統(tǒng)計學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法，在解決有限樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的性能，并且具有強(qiáng)大的泛化能力。本文正是利用SVM的這些優(yōu)點，對數(shù)據(jù)量繁多的遙感圖像進(jìn)行礦化信息提取，有效地識別遙感圖像。本文的主要工作包括：。1．討論了SVM基本原理，闡述并且分析了目前國際上幾種流行的算法；概述了遙感圖像處理的理論，并結(jié)合實際工作，處理研究區(qū)的遙感圖像。2。在實驗過程中，采集正類樣本和負(fù)類樣本，有效地構(gòu)造SVM的訓(xùn)練集。再對樣本進(jìn)行多次的訓(xùn)練，優(yōu)化算法，運用k一折交叉比對(k-crossvalidati
2、on)的方法確定參數(shù)C，通過實驗確定支持向量(SV)，從而建立SVM的分類模型。13．應(yīng)用SVM模型，測試研究區(qū)遙感圖像數(shù)據(jù)，提取礦化信息。分析對比幾種核函數(shù)的分類結(jié)果。。”。‘4．提取的礦化信息結(jié)果經(jīng)與地質(zhì)資料比較，已知礦床(點)均落在提取的結(jié)果內(nèi)，說明本方法對青海省牛首山地區(qū)的遙感數(shù)字圖像進(jìn)行礦化信息提取是有比較好的結(jié)果。提取結(jié)果可供礦業(yè)公司登記礦權(quán)時參考。、“，。l關(guān)鍵詞：支持向量機(jī)，遙感，礦化信息提取，算法ABSTRACTSupportVectorMachine(SVM)isamachinelearningalgorithmbase
3、d011StatisticalLearningTheory．Ithaveagoodclassificationabilityforlimitedtrainingsamples，nonlinearseparationandhigh-dimensionalpatternrecognition．11塢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原創(chuàng)性聲明本
8、人聲明，所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了論文中特別加以標(biāo)注和致訓(xùn)的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為
