测绘科学

, () 1

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于SVM无限集成学习方法的遥感图像分类
Remotely sensed imagery classification by SVM-based Infinite Ensemble Learning method

杨娜;秦志远;张俊

摘要(Abstract):

基于支持向量机的无限集成学习方法(SVM-based IEL)是机器学习领域新兴起的一种集成学习方法。本文将SVM-based IEL引入遥感图像的分类领域,并同时将SVM、Bagging、AdaBoost和SVM-based IEL等方法应用于遥感图像分类。实验表明:Bagging方法可以提高遥感图像的分类精度,而AdaBoost却降低了遥感图像的分类精度;同时,与SVM、有限集成的学习方法相比,SVM-basedIEL方法具有可以显著地提高遥感图像的分类精度、分类效率的优势。

关键词(KeyWords): 集成学习;装袋集成学习;提升集成学习;支持向量机

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 杨娜;秦志远;张俊

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享