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

最小化支持向量数分类器的云检测

卞春江 余翔宇 侯晴宇 张伟

卞春江, 余翔宇, 侯晴宇, 张伟. 最小化支持向量数分类器的云检测[J]. 红外与激光工程, 2014, 43(6): 1818-1822.
引用本文: 卞春江, 余翔宇, 侯晴宇, 张伟. 最小化支持向量数分类器的云检测[J]. 红外与激光工程, 2014, 43(6): 1818-1822.
Bian Chunjiang, Yu Xiangyu, Hou Qingyu, Zhang Wei. Cloud detection based on minimizing support vector count of SVM[J]. Infrared and Laser Engineering, 2014, 43(6): 1818-1822.
Citation: Bian Chunjiang, Yu Xiangyu, Hou Qingyu, Zhang Wei. Cloud detection based on minimizing support vector count of SVM[J]. Infrared and Laser Engineering, 2014, 43(6): 1818-1822.

最小化支持向量数分类器的云检测

详细信息
    作者简介:

    卞春江(1978-),男,博士生,主要从事光学图像处理方面的研究。Email:bianchunjiang@126.com

  • 中图分类号: TP391

Cloud detection based on minimizing support vector count of SVM

计量
  • 文章访问数:  415
  • HTML全文浏览量:  88
  • PDF下载量:  218
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-10-10
  • 修回日期:  2013-11-25
  • 刊出日期:  2014-06-25

最小化支持向量数分类器的云检测

    作者简介:

    卞春江(1978-),男,博士生,主要从事光学图像处理方面的研究。Email:bianchunjiang@126.com

  • 中图分类号: TP391

摘要: 针对。感卫星图像的云检测,提出了基于最小化支持向量数分类器的云检测方案,解决传统分类器训练样本多、易陷入局部最优的问题。使用该分类器对QuickBird高分辨率。感图像进行云检测,检测正确率达99%以上。实验表明:在确定分类器内部结构参数过程中,与传统的交叉验证法相比,基于支持向量数的方法不仅能够准确预测分类器推广性能的变化趋势,从而确立最优化的参数组合,并且实现简单,大大减少了计算的复杂度。与传统的BP神经网络相比,该方法所需训练样本少,分类性能好。

English Abstract

参考文献 (19)

目录

    /

    返回文章
    返回