基于支持向量机的图像分类
机器学习
2007-09-26 v1 人工智能
摘要
支持向量机（SVMs）是地物制图领域一种相对较新的监督分类技术。其根源在于统计学习理论，并因其鲁棒性、准确性以及在训练样本较少时仍能有效工作而备受关注。本质上，SVMs 是二元分类器，但它们可被采用以处理遥感研究中常见的多分类任务。常用的两种方法是一对一（1A1）和一对多（1AA）技术。本文评估了这两种方法对地物制图的影响和含义。本研究的主要发现是，尽管 1AA 技术更倾向于产生未分类和混合像元，但其最终分类精度与 1A1 方法并无显著差异。作者认为，最终选择哪种技术取决于个人偏好以及手头数据集的独特性。
引用
@article{arxiv.0709.3967,
title = {Classification of Images Using Support Vector Machines},
author = {Gidudu Anthony and Hulley Greg and Marwala Tshilidzi},
journal= {arXiv preprint arXiv:0709.3967},
year = {2007}
}
评论
6 pages