【摘要】 一种二叉树多类支持向量机遥感分类方法，属于遥感分类方法。首先将所有类别分成两个子类，再将子类进一步划分成两个次级子类，如此循环下去，直到得到一个单独的类别为止，这样最终将得到一个由一系列支持向量机构成的二叉分类树，完成二叉树多类支持向量机分类器的构建；在分类过程中使分类误差在远离根结点的分类器中出现，把JM距离最大的类首先分离出来；利用建立的二叉树多类支持向量机分类器，实现遥感影像分类；优点：该方法分类速度快，分类精度优于常用的多类支持向量机分类方法和传统的分类器，综合了类别可分性和二叉树支持向量机两者的优势，因此能够实现遥感影像的快速分类，且能够提高分类精度。 【专利类型】发明申请 【申请人】中国矿业大学 【申请人类型】学校 【申请人地址】221116 江苏省徐州市三环南路中国矿业大学科技处 【申请人地区】中国 【申请人城市】徐州市 【申请人区县】铜山区 【申请号】CN201010555351.0 【申请日】2010-11-23 【申请年份】2010 【公开公告号】CN101980251A 【公开公告日】2011-02-23 【公开公告年份】2011 【IPC分类号】G06K9/66 【发明人】杜培军; 谭琨 【主权项内容】一种二叉树多类支持向量机遥感分类方法，其特征是：首先将所有类别分成两个子类，再将子类进一步划分成两个次级子类，如此循环下去，直到得到一个单独的类别为止，这样最终将得到一个由一系列支持向量机构成的二叉分类树，完成二叉树多类支持向量机分类器的构建；在分类过程中使分类误差在远离根结点的分类器中出现，把JM距离最大的类首先分离出来；利用建立的二叉树多类支持向量机分类器，实现遥感影像分类；具体实现步骤为：利用各类别的训练样本，根据公式                                                ，计算任意两类间分离性测度，将所有类别的分离性测度进行组合，组成分离性测度矩阵，把相同类间分离性测度值设0，表示最不容易分开： (2)：首先找出分离性测度最大的两类，在分离性测度相等的类时，按照类别排列顺序，排列在前的首先进行分类；在分离性测度有相等的类时，一类作为子类集合A，另一类作为子类集合B，同时把A集合中的类中心作为A集合的中心，B集合中的类中心作为B集合的中心；(3)：对于除A、B集合类之外的任一模式类，所分出的类与A集合中类的分离性测度小，就归属为A集合，同时修改A集合的类中心；所分出的类与B集合中心的分离性测度小，就归属为B集合，修改B集合的类中心值；(4)：按照第(2)步、第(3)步的分割方式，把其余的模式类划分集合A或集合B；(5)：将集合A和集合B分别作为二叉树根节点支持向量机的左右子树，训练支持向量机，实现对集合A和集合B的分离；(6)：对集合A和集合B分别作为单独的模式分类问题，分别采用每一集合中各类别的训练样本，重复进行步骤2到步骤5，生成各层次的二叉树节点，直到所有的类被单独分离出来为止，完成二叉树多类支持向量机分类器的构建；(7)利用建立的二叉树多类支持向量机分类器，对原始遥感影像进行分类处理，获取每一像素的类别，实现遥感影像分类；(8)采用精度评价指标对遥感影像进行分类。2010105553510100001dest_path_image001.jpg, 690701dest_path_image002.jpg 【当前权利人】中国矿业大学 【当前专利权人地址】江苏省徐州市三环南路中国矿业大学科技处 【专利权人类型】公立 【统一社会信用代码】12100000466007570L 【被引证次数】14 【被他引次数】14.0 【家族被引证次数】14

未经允许不得转载：http://www.zhongzhencnc.com/1781173100.html