期刊论文

中文

航天返回与遥感

1009-8518

2018

39

2

133-140

10.3969/j.issn.1009-8518.2018.02.015

XAI20150326:湖南省重点实验室开放基金 2015NK2145:湖南省科技厅重点项目 2016NK2118:湖南省科技厅重点项目 14C0542:湖南省教育厅科学研究一般项目 XCX16094:湖南农业大学大学生创新性实验计划 2016ZK15,2017ZK25:湖南农业大学团委科技创新立项项目

本校为第一机构

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的...

In order to improve the classification accuracy of remote sensing images, the support vector machine (SVM) classification algorithm is combined with the more widely used intelligent optimization algorithms in the paper. In optimizing the SVM classifier parameters using particle swarm optimization (PSO), serveral issues should be solved, such as premature convergence, low classification accuracy and possibility of local optimal solutions. Therefore, based on self-adaptive particle swarm optimization (SAPSO), the genetic algorithm crossover operator (SAPSO-GA) is proposed. This improved algorith...