资源描述：
《基于k_means与svm结合的遥感图像全自动分类方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第24卷第11期计算机应用研究Vol.24No.112007年11月ApplicationResearchofComputersNov.2007基于K2means与SVM结合的3遥感图像全自动分类方法1112居红云,张俊本,李朝峰,王正友(1.江南大学信息工程学院,江苏无锡214122;2.江西财经大学信息管理学院,南昌330013)摘要:遥感图像分类方法通常采用监督的学习算法,它需要人工选取训练样本,比较繁琐,而且有时很难得到;而非监督学习算法的分类精度通常很难令人满意。针对这些缺陷,提出一种基于K2means与支持向量机(SV
2、M)结合的遥感图像全自动分类方法。首先使用K2means聚类算法对样本进行初始聚类,根据每类中样本数及其稀疏程度选取一些点作为标记的学习样本训练SVM分类器,然后用SVM对原始数据重新分类。Iris数据和遥感数据的实验结果均验证了新方法的有效性。关键词:K2means;支持向量机;遥感图像分类中图分类号:TP301文献标志码:A文章编号:100123695(2007)1120318203AutomatedremotesensingimageclassificationmethodbasedonK2meansandSVM1112JU
3、Hong2yun,ZHANGJun2ben,LIChao2feng,WANGZheng2you(1.SchoolofInformationEngineering,SouthernYangtzeUniversity,WuxiJiangsu214122,China;2.SchoolofInformationTechnology,Jian2gxiUniversityofFinance&Economics,Nanchang330013,China)Abstract:Thesupervisedlearningalgorithmwasusua
4、llyusedforremotesensingimageclassification,butitstrainingsamplesneedtobechosenbymanual,whichwasboringandsometimesevendifficult.However,inunsupervisedlearningalgorithmclassificationresultwasoftennotsatisfactory.Accordingtotheselimitations,anautomatedremotesensingimagec
5、lassificationmethodofcombiningK2meansalgorithmwithSVM.Innewmethod,atfirstK2meansalgorithmwasusedtoclusteroriginaldatapoints,andthenaccordingtothenumberandsparsedegreeofpointsineachclass,somepointsaslabeledsampleswerechosentotrainSVM,atlastSVMwasutilizedtoreclassifyori
6、ginaldatapoints.ExperimentalresultsforIrisdataandremotesensingdataverifythevalidityoftheproposedmethod.Keywords:K2means;SVM;remotesensingimageclassification遥感图像分类一般采用有监督的学习算法来实现。监督(t)-Ci(m)‖(i=1,2,⋯,k,i≠j,Cj(m)表示经过m次运算方法的分类精度通常较高,但它的结果直接依赖于所选取的训后的中心位置),则X(t)∈θj(m)。[1]
7、练样本,为此需要大量高质量的有标记样本,这在一定程度c)重新计算新的聚类中心,即Cj(m+1)=6X(t)/Mj。X(t)∈θj(m)上限制了其应用。而在很多实际应用中,由于缺少形成模式类其中:Mj表示θj类中点的总数。过程的知识,人们往往只能用无类别标签的样本进行工作,即d)以新的中心点为基准,重复b)、c),直到前后两次中心非监督分类方法,但它得到的结果通常很难令人满意。一致为止。2聚类算法简介算法及其参数确定[2]由J.B.MacQueen提出的K2means聚类算法是将所有1算法介绍样本分成组样本群聚,并能找到这些群聚中心
8、点位置的技术。支持向量机(SVM)是一种机器学习方法。设有l个训练T设输入向量为X(t)=[x1(t),x2(t),⋯,xn(t)],整个算样本,支持向量机训练通过如下过程实现[3]:法步骤描述如下:llminimizeW(α)=6ααijyiyj
