-
题名支持向量机在多类分类问题中的推广
被引量:150
- 1
-
-
作者
刘志刚
李德仁
秦前清
史文中
-
机构
武汉大学遥感信息工程学院
武汉大学测绘遥感信息工程国家重点实验室
香港理工大学土地测量与地理咨询系地球信息研究中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2004年第7期10-13,65,共5页
-
基金
利用空间数据挖掘技术进行新型影像目标识别和自动分类(编号:40023004)
国家高新技术研究发展计划(编号:2001AA135081)
+1 种基金
香港CRC计划(编号:3_ZB40
1.34.9709)
-
文摘
支持向量机(SVMs)最初是用以解决两类分类问题,不能直接用于多类分类,如何有效地将其推广到多类分类问题是一个正在研究的问题。该文总结了现有主要的支持向量机多类分类算法,系统地比较了各算法的训练速度、分类速度和推广能力,并分析它们的不足和有待解决的问题。
-
关键词
支持向量机
多类分类
多类支持向量机
-
Keywords
Support Vector Machines,Multi-category Classification,M-SVMs
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种基于支撑向量机的遥感影像不完全监督分类新方法
被引量:17
- 2
-
-
作者
刘志刚
史文中
李德仁
秦前清
-
机构
北京师范大学遥感科学国家重点实验室地理学与遥感科学学院
武汉大学测绘遥感信息工程国家重点实验室
香港理工大学土地测量与地理咨询系地球信息研究中心
-
出处
《遥感学报》
EI
CSCD
北大核心
2005年第4期363-373,共11页
-
基金
香港GovernmentRGC
CRC计划(3-ZB40)
+2 种基金
香港理工大学研究基金(1.34.9709)
利用空间数据挖掘技术进行新型影像目标识别和自动分类(40023004)
国家自然科学基金项目(40176032)
-
文摘
不完全监督分类是研究在只有目标类训练样本的情况下如何准确地将目标类从数据集中提取出来。在许多遥感应用问题中,往往只需要从遥感影像中提取某一类地物。如果分类过程中只要选取目标类训练样本,将节省在训练样本选取过程中的大量人力物力。因此不完全监督分类是一个值得研究的遥感分类问题。提出了一种基于加权无标识样本支撑向量机(WUS-SVM),并在其基础发展出一种不完全监督分类方法。该方法分3个步骤:(1)在影像中随机选取一定量的无标识样本,将它们作为具有不同权重的非目标类训练样本;(2)用目标类的训练样本和加权无标识训练样本一起训练WUS-SVM,得到初步的分类器;(3)利用初步的分类器确定无标识样本的类别,并与原目标类训练样本一起再次训练SVM得到最终的分类器。通过对模拟数据和遥感影像的分类试验初步证明了该分类方法的有效性。
-
关键词
不完全监督分类
基于加权无标识样本的支撑向量机
支撑向量机
遥感
-
Keywords
partially supervised classification(PSC)
weighed unlabeled sample support vector machine(WUS-SVM)
support vector machine(SVM)
remote sensing
-
分类号
TP75
[自动化与计算机技术—检测技术与自动化装置]
-