摘要：随着遥感图像采集技术的迅速发展,传统的遥感图像处理方法已经不能满足当前实际的生产需要。近年来,深度学习模型的流行为遥感图像分类问题的解决提供了新的途径。因此,为了进一步提升遥感图像的分类精度,笔者提出了一种基于深度学习特征和支持向量机(support vector machine,SVM)的遥感图像分类模型。首先,针对深度学习模型需要海量训练数据的特点,运用旋转、剪裁等方法对原始的遥感图像进行数据扩增;然后,将扩增数据按照种类随机地分为训练集和验证集两部分测试集,并使用训练集和验证集训练改进的针对遥感图像分类问题的卷积神经网络(convolutional neural network,CNN)中的参数,进而在训练好的CNN模型上提取第一部分测试集的深度学习特征;最后,使用第一部分测试集的深度特征训练多分类SVM,并对第二部分测试集图像进行分类验证。实验采用NWPU-RESISC45公共数据集对本研究模型精度进行验证,与现有的遥感图像分类方法相比较,实验结果表明,提出模型的总体分类精度有明显提升,从而验证了方法的有效性和实用性。

摘要：针对传统的谱特征选择算法只考虑单特征的重要性,将特征之间的统计相关性引入到传统谱分析中,构造了基于特征相关的谱特征选择模型。首先利用Laplacian Score找出最核心的一个特征作为已选特征,然后设计了新的特征组区分能力目标函数,采用前向贪心搜索策略依次评价候选特征,并选中使目标函数最小的候选特征加入到已选特征。该算法不仅考虑了特征重要性,而且充分考虑了特征之间的关联性,最后在2个不同分类器和8个UCI数据集上的实验结果表明:该算法不仅提高了特征子集的分类性能,而且获得较高的分类精度下所需特征子集的数量较少。

摘要：文本分类为一个文档自动分配一组预定义的类别或主题。文本分类中,文档的表示对学习机的学习性能有很大的影响。以实现哈萨克语文本分类为目的,根据哈萨克语语法规则设计实现哈萨克语文本的词干提取,完成哈萨克语文本的预处理。提出基于最近支持向量机的样本距离公式,避免k参数的选定,以SVM与KNN分类算法的特殊组合算法(SV-NN)实现了哈萨克语文本的分类。结合自己构建的哈萨克语文本语料库的语料进行文本分类仿真实验,数值实验展示了提出算法的有效性并证实了理论结果。

摘要：土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849。在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。

摘要：【目的】为了降低高光谱遥感数据噪声,提高土地利用分类信息提取精度,探索结合纹理和空间信息的分类方法。【方法】以河南镇平县Hyperion高光谱成像光谱仪获取的高光谱影像为数据源,借鉴决策树分类思想,采用了一种结合光谱、纹理和空间信息的高光谱遥感多特征地类提取方法,先通过提取光谱特征初步提取地类,再分别采用提取纹理特征和基于空间信息的植被提取进行详细地类信息的分层提取,最后,用地面实测样点验证各类土地利用类型的分类精度,比较了用不同方法对不同地类的提取效果。【结果】基于多特征的地类分层提取体系中,采用各波段光谱反射率区分大的地类,再用纹理特征进行光谱差异较小的地类划分,而基于空间信息进行植被的分类。通过结合纹理和空间信息提取方法的总分类精度达86.7%,较最大似然法分类精度提高13.3%。【结论】高光谱与纹理和空间信息相结合的遥感分类方法能有效减小噪声,提高分类精度,可为土地利用分类提取研究提供一定的参考。

摘要：通过分析ZY-3卫星遥感影像光谱特征、数据质量,探讨其遥感影像在土地利用分类监测领域的应用前景.基于遥感影像特征,结合面向对象的分析思想,选择训练样本构建决策树分类模型,进行土地利用计算机自动分类,并通过混淆矩阵和Kappa分析对分类精度进行评价.研究表明:1)基于决策树模型和面向对象分类方法,ZY-3卫星遥感影像分类总体精度为88.76%,有助于提高影像分类精度;2)在分类模型中,ZY-3卫星影像对水域、耕地、公路用地和林地影像辨识度较高,而对于其它用地类型相对不足.3)ZY-3卫星数据高分辨率影像特征明显,影像可用于土地利用分类监测.

摘要：针对核极限学习机参数优化困难的问题,提出一种基于网格搜索柔性多面体的最优化核极限学习机算法。为高斯核变量和惩罚变量构造二维网格,从网格中选取最小目标函数值所对应的参数点构造初始柔性多面体,解决柔性多面体对初始值敏感的问题;给柔性多面体的变形搜索参数添加权重值,区分核参数和惩罚参数对核极限学习机分类性能影响程度;通过迭代柔性多面体实现核极限学习参数的最优化搜索,用所获最优参数构造核极限学习机并用于数据分类。在UCI、KEEL和人工数据集上与其它优化核极限学习机算法进行计算结果比较,验证所提算法的可行性。

摘要：根据哈萨克语语法规则设计实现哈萨克语文本的词干提取,完成哈萨克语文本的预处理.提出基于最近支持向量机的样本距离公式,结合SVM与KNN分类算法实现了哈萨克语文本的分类.结合构建的哈萨克语文本语料库的语料进行文本分类仿真实验,结果表明所提出的算法是有效的.

摘要：针对地理国情普查中的地表覆盖分类数据成果及其如何进行科学、客观的质量检查与评价,以确保成果质量满足项目设计要求的问题。该文基于地理国情普查中的地表覆盖分类成果特点提出了一套有别于传统基础测绘成果的质量检查内容和评价方法,其核心是对成果最重要的分类精度质量元素采用统计分类不良区域面积占比进行定量的质量检查与评价。该方法在全国范围的地理国情地表覆盖分类成果的检查验收中得到了全面应用。实验表明,该方法具有直观、易于操作的特点,能有效控制成果质量,并可为常态化地理国情监测质量控制工作提供技术参考。

摘要：针对C波段合成孔径雷达影像协同光学影像进行森林分类时失相干现象较为严重的问题,提出将冬季相近时相合成孔径雷达的相干系数影像进行均值处理的方法,有效抑制了失相干现象,得到与森林树种相关的相干系数影像。本文分别利用Sentinel-1后向散射强度、相干系数和吉林一号光学A星影像,对长春市净月潭森林公园的树种进行分类研究。结果显示:在仅用吉林一号光学A星数据进行分类时,总体分类精度为82.3%,Kappa系数为0.79;在使用吉林一号数据和哨兵一号强度数据进行分类时,总体分类精度为85.2%,Kappa系数为0.825;在使用吉林一号数据、哨兵一号强度数据和相干性数据进行分类时,总体分类精度为87.8%,Kappa系数为0.855;在使用吉林一号数据、哨兵一号强度数据和相干性数据进行分类以后,相较于仅使用吉林一号数据,落叶松用户精度由原来的59%提升到了72%,表明光学影像结合C波段合成孔径雷达影像可提高森林树种分类精度。