最小化支持向量数分类器的云检测.pdfVIP

下载本文档

6
0
约1.8万字
约 5页
2016-05-08 发布于安徽
举报
版权申诉

最小化支持向量数分类器的云检测.pdf

1、本文档共5页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

43 卷 6 期红外与激光工程 2014 年6 月 Vol.43 No.6 Infrared and Laser Engineering Jun.2014 最小化支持向量数分类器的检测 1,2 2,3 1 1 卞春江，余翔宇，侯晴宇，张伟 (1. 哈尔滨工业大学空间光学工程研究中心，黑龙江哈尔滨150001 ；2. 中国科学院国家空间科学中心，北京 100190 ；3. 中国科学院大学，北京 100049) 摘要针对遥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 高分辨率遥感图像进行云检测，检测正确率达99%以。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，该法所需训练样本少，分类性能好。；；；关键词云检测支持向量机支持向量数奇异值分解中图分类号 TP391 文献标志码 A 文章编号 1007-2276(2014)06-1818-05 Cloud detection based on minimizing support vector count of SVM 1,2 2,3 1 1 Bian Chunj iang , Yu Xiangyu , Hou Qingyu , Zhang Wei (1. Research Center for Space Optical Engineering , Harbin Institute of Technology , Harbin 150001, China; 2. National Space Science Center, Chinese Academy of Sciences , Beij ing 100190 , China; 3. University of Chinese Academy of Sciences , Beijing 100049, China) Abstract: The classifier plays an important role for cloud detection in remote sensing image . Traditional Classifie