高光谱遥感影像分类与支持向量机应用研究-网络科技-文化科教-太极之巅书单号

书刊介绍

高光谱遥感影像分类与支持向量机应用研究内容简介

高光谱遥感是当前遥感科学与技术发展的热点领域之一，而高光谱遥感影像分类则是高光谱遥感影像处理*重要的任务。杜培军、谭琨、夏俊士编著的《高光谱遥感影像分类与支持向量机应用研究》在介绍高光谱遥感影像分类基础知识和常用方法的基础上，重点对基于支持向量机的高光谱遥感影像分类进行深入探讨。全书首先介绍高光谱遥感影像常用的分类器，详细探讨高光谱遥感影像分类中的降维处理与特征提取方法，包括主成分分析、独立成分分析、*大噪声分离等降维方法以及常用特征选择算法、光谱和纹理特征提取方法等；通过介绍支持向量机的基本原理及其用于高光谱遥感影像分类的策略，重点研究支持向量机核函数设计方法，构建一种再生核hilben空间的小波核函数用于高光谱遥感影像分类；针对多类问题的特点，在比较分析各种多类支持向量机实现方案的基础上，提出一种基于jm距离的二叉树多类支持向量机；*后探讨支持向量机分类器中多种特征的综合应用，重点研究基于多核支持向量机组合光谱和空间纹理特征的支持向量机分类方法。
《高光谱遥感影像分类与支持向量机应用研究》可供高等学校和科研机构从事高光谱遥感、遥感信息工程方向研究的教师、研究生和高年级本科生参考，同时也可供从事高光谱遥感应用工作的专业人员参考。

高光谱遥感影像分类与支持向量机应用研究本书特色

杜培军、谭琨、夏俊士编著的《高光谱遥感影像分类与支持向量机应用研究》从高光谱遥感影像的特点出发，针对高光谱遥感影像数据量大、特征维数高、不确定性显著、混合像元影响严重等特点，重点讨论了高光谱遥感分类中的若干关键问题，如高光谱遥感影像的降维和特征提取，混合像元的分解，基于支持向量机的高光谱遥感影像分类等。通过引入流型学习、支持向量机等机器学习领域的新理论和新方法，以非线性数据处理和降维方法以克服传统遥感图像处理算法的局限性，在核函数的构建与优化、特别是基于多核支持向量机的光谱、纹理和空间特征的组合分类方法等方面取得了一系列新的成果，研究并实现了相应的算法和模型，通过对国内外一些主要高光谱遥感数据的试验分析，以大量的实例验证了相关算法的有效性和可靠性。

高光谱遥感影像分类与支持向量机应用研究目录

序
前言
第1章高光谱遥感概述
1.1高光谱遥感的基本概念
1.1.1高光谱遥感的定义
1.1.2高光谱遥感的发展现状
1.2高光谱遥感影像处理
1.2.1高光谱遥感影像的构成与特点
1.2.2高光谱遥感数据处理的特点
1.2.3高光谱遥感影像处理的主要内容
1.3高光谱遥感影像分类
1.3.1高光谱遥感影像分类的基本概念和原理
1.32高光谱遥感影像分类的主要策略
1.3.3高光谱遥感影像分类中的若干关键技术
1.3.4高光谱遥感影像分类的技术流程