利用SVM-CRF进行高光谱遥感数据分类

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用SVM-CRF进行高光谱遥感数据分类

李祖传, 马建文, 张睿, 李利伟

文章导航 > 武汉大学学报 ( 信息科学版) > 2011 > 36(3): 306-310

李祖传, 马建文, 张睿, 李利伟. 利用SVM-CRF进行高光谱遥感数据分类[J]. 武汉大学学报 ( 信息科学版), 2011, 36(3): 306-310.

引用本文:

李祖传, 马建文, 张睿, 李利伟. 利用SVM-CRF进行高光谱遥感数据分类[J]. 武汉大学学报 ( 信息科学版), 2011, 36(3): 306-310.

LI Zuchuan, MA Jianwen, ZHANG Rui, LI Liwei. Classifying Hyperspectral Data Using Support Vector Machine Conditional Random Field[J]. Geomatics and Information Science of Wuhan University, 2011, 36(3): 306-310.

Citation:

LI Zuchuan, MA Jianwen, ZHANG Rui, LI Liwei. Classifying Hyperspectral Data Using Support Vector Machine Conditional Random Field[J]. Geomatics and Information Science of Wuhan University, 2011, 36(3): 306-310.

利用SVM-CRF进行高光谱遥感数据分类

¹中国科学院对地观测与数字地球科学中心,北京市中关村北一条9号100190;²中国科学院研究生院,北京市玉泉路甲19号,100049;³中国科学院遥感应用研究所,北京市大屯路甲20号,100101

基金项目: 国家自然科学基金资助项目(40901234)；中国科学院知识创新工程青年人才领域前沿项目专项资助项目(O8S01100CX)

作者简介:
李祖传,硕士生,研究方向为遥感数据智能处理。

中图分类号: P237.4;TP753

Classifying Hyperspectral Data Using Support Vector Machine Conditional Random Field

¹ Center for Earth Observation and Digital Earth,Chinese Academy of Sciences,9 Beiyitiao,Zhongguancun,Beijing 100190,China;² Graduate University of Chinese Academy of Sciences,A19 Yuquan Road,Beijing 100049,China;³ Institute of Remote Sensing Applications,Chinese Academy of Sciences,A20 Datun Road,Beijing 100101,China

Funds: 国家自然科学基金资助项目(40901234)；中国科学院知识创新工程青年人才领域前沿项目专项资助项目(O8S01100CX)

摘要: 提出了一种改进的随机场模型SVM-CRF,它以支持向量机作为条件随机场的一阶势能项,结合了支持向量机和条件随机场的优点。采用AVIRIS高光谱遥感数据进行实验,对SVM-CRF模型进行了分析,结果表明,在分类精度上SVM-CRF优于支持向量机和传统条件随机场模型。
- 提出了一种改进的随机场模型SVM-CRF,它以支持向量机作为条件随机场的一阶势能项,结合了支持向量机和条件随机场的优点。采用AVIRIS高光谱遥感数据进行实验,对SVM-CRF模型进行了分析,结果表明,在分类精度上SVM-CRF优于支持向量机和传统条件随机场模型。
Abstract: With there problems at hands,an improved random field,support vector machine conditional random field(SVM-CRF) was proposed.It uses SVM as its unary potential,combining the merits of SVM and CRF.Experiments using AVIRIS hyperspectral data as input were carried out,and SVM-CRF was analyzed extensively.Experimental results show that SVM-CRF is superior to SVM and classic CRF in terms of classification accuracies.
- support vector machine

[1]	段佩祥, 钱海忠, 何海威, 谢丽敏, 罗登瀚. 基于支持向量机的线化简方法 . 武汉大学学报 ( 信息科学版), 2020, 45(5): 744-752, 783. doi: 10.13203/j.whugis20180434
[2]	张春森, 胡艳, 于振, 崔卫红, 吴蓉蓉. 全连接条件随机场高分辨率遥感影像面状地物交互提取 . 武汉大学学报 ( 信息科学版), 2020, 45(10): 1594-1601. doi: 10.13203/j.whugis20190137
[3]	邬伦, 刘磊, 李浩然, 高勇. 基于条件随机场的中文地名识别方法 . 武汉大学学报 ( 信息科学版), 2017, 42(2): 150-156. doi: 10.13203/j.whugis20141009
[4]	李粉玲, 常庆瑞, 刘佳岐, 刘京. 基于多纹理和支持向量机的ZY-102C星HR数据分类 . 武汉大学学报 ( 信息科学版), 2016, 41(4): 455-461,486. doi: 10.13203/j.whugis20140356
[5]	程诗尧, 梅天灿, 刘国英. 顾及结构特征的多层次马尔科夫随机场模型在影像分类中的应用 . 武汉大学学报 ( 信息科学版), 2015, 40(9): 1180-1187. doi: 10.13203/j .whu g is20130692
[6]	彭令, 牛瑞卿, 赵艳南, 邓清禄. 基于核主成分分析和粒子群优化支持向量机的滑坡位移预测 . 武汉大学学报 ( 信息科学版), 2013, 38(2): 148-152,161.
[7]	武雪玲, 任福, 牛瑞卿, 彭令. 斜坡单元支持下的滑坡易发性评价支持向量机模型 . 武汉大学学报 ( 信息科学版), 2013, 38(12): 1499-1503.
[8]	龚龑, 李亮, 王琰, 陶醉. 遥感影像像斑综合相邻势能分析的随机场模型 . 武汉大学学报 ( 信息科学版), 2013, 38(12): 1470-1474.
[9]	王琰, 舒宁, 龚龑. 利用马尔柯夫随机场图模型的变化像斑类别判定方法 . 武汉大学学报 ( 信息科学版), 2012, 37(5): 542-545.
[10]	谭琨, 杜培军, 王小美. 利用分离性测度多类支持向量机进行高光谱遥感影像分类 . 武汉大学学报 ( 信息科学版), 2011, 36(2): 171-175.
[11]	杨柳, 刘艳芳. 将微粒群和支持向量机用于耕地驱动因子选择的研究 . 武汉大学学报 ( 信息科学版), 2010, 35(2): 248-251.
[12]	魏小莉, 沈未名. 一种基于马尔科夫随机场模型的彩色纹理图像分割 . 武汉大学学报 ( 信息科学版), 2010, 35(8): 955-958.
[13]	范千, 花向红. 基于相空间重构与支持向量机预测滑坡位移的一种新方法 . 武汉大学学报 ( 信息科学版), 2009, 34(2): 248-251.
[14]	熊华, 刘耀林, 车珊珊, 张俊峰. 基于支持向量机的土地利用变化模拟模型 . 武汉大学学报 ( 信息科学版), 2009, 34(3): 366-369.
[15]	王新洲, 范千, 许承权, 李昭. 基于小波变换和支持向量机的大坝变形预测 . 武汉大学学报 ( 信息科学版), 2008, 33(5): 469-471.
[16]	陈刚, 鄂栋臣. 基于纹理分析和支持向量机的极地冰雪覆盖区的云层检测 . 武汉大学学报 ( 信息科学版), 2006, 31(5): 403-406.
[17]	梅建新, 段汕, 秦前清. 基于支持向量机的特定目标检测方法 . 武汉大学学报 ( 信息科学版), 2004, 29(10): 912-915,932.
[18]	徐芳, 燕琴. 基于支持向量机的航空影像纹理分类研究 . 武汉大学学报 ( 信息科学版), 2003, 28(5): 517-520.
[19]	黄桂兰, 郑肇葆. 一种基于马尔可夫随机场的影像纹理分类方法 . 武汉大学学报 ( 信息科学版), 1996, 21(3): 232-236,241.
[20]	赫晓慧, 陈明扬, 李盼乐, 田智慧, 周广胜. 结合DCNN与短距条件随机场的遥感影像道路提取 . 武汉大学学报 ( 信息科学版), 0, 0(0): 0-0. doi: 10.13203/j.whugis20210464

WeChat

点击查看大图

计量

文章访问数: 1832
HTML全文浏览量: 88
PDF下载量: 421
被引次数: 0

利用SVM-CRF进行高光谱遥感数据分类

¹中国科学院对地观测与数字地球科学中心,北京市中关村北一条9号100190;²中国科学院研究生院,北京市玉泉路甲19号,100049;³中国科学院遥感应用研究所,北京市大屯路甲20号,100101

基金项目: 国家自然科学基金资助项目(40901234)；中国科学院知识创新工程青年人才领域前沿项目专项资助项目(O8S01100CX)

作者简介:
李祖传,硕士生,研究方向为遥感数据智能处理。

收稿日期: 2011-01-27
刊出日期: 2011-03-05

中图分类号: P237.4;TP753

关键词:

提出了一种改进的随机场模型SVM-CRF,它以支持向量机作为条件随机场的一阶势能项,结合了支持向量机和条件随机场的优点。采用AVIRIS高光谱遥感数据进行实验,对SVM-CRF模型进行了分析,结果表明,在分类精度上SVM-CRF优于支持向量机和传统条件随机场模型。

摘要: 提出了一种改进的随机场模型SVM-CRF,它以支持向量机作为条件随机场的一阶势能项,结合了支持向量机和条件随机场的优点。采用AVIRIS高光谱遥感数据进行实验,对SVM-CRF模型进行了分析,结果表明,在分类精度上SVM-CRF优于支持向量机和传统条件随机场模型。

English Abstract

李祖传, 马建文, 张睿, 李利伟. 利用SVM-CRF进行高光谱遥感数据分类[J]. 武汉大学学报 ( 信息科学版), 2011, 36(3): 306-310.

引用本文:

李祖传, 马建文, 张睿, 李利伟. 利用SVM-CRF进行高光谱遥感数据分类[J]. 武汉大学学报 ( 信息科学版), 2011, 36(3): 306-310.

LI Zuchuan, MA Jianwen, ZHANG Rui, LI Liwei. Classifying Hyperspectral Data Using Support Vector Machine Conditional Random Field[J]. Geomatics and Information Science of Wuhan University, 2011, 36(3): 306-310.

Citation:

LI Zuchuan, MA Jianwen, ZHANG Rui, LI Liwei. Classifying Hyperspectral Data Using Support Vector Machine Conditional Random Field[J]. Geomatics and Information Science of Wuhan University, 2011, 36(3): 306-310.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码