桑娟
- 作品数：1 被引量：2H指数：1
- 供职机构：吉林财经大学管理科学与信息工程学院更多>>
- 发文基金：中国科学院重点部署项目吉林省科技发展计划基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于半监督集成SVM的土地覆盖分类模型被引量：2
- 2013年
- 目前,支持向量机技术(SVM)在遥感信息获取中普遍受到参数选择不准确和小样本问题的制约。针对这些问题,提出一种新的半监督集成SVM(EPS3VM)分类模型。模型一方面利用自适应变异粒子群优化算法对SVM参数寻优以提高基分类器精度(PSVM);另一方面采用自训练算法(Self-training),充分利用大量廉价的未标记样本产生性能差异的半监督分类器个体(PS3VM),其中,在未标记样本标注过程中,引入模糊聚类算法(Gustafson-kessel)来控制错误类别的输入,最后对个体分类器采用加权集成策略,以进一步提高分类模型的泛化能力。为了测试其性能,应用该模型进行多光谱遥感影像的土地覆盖分类实验,并与PSVM、PS3VM进行对比,分类精度从PSVM的88.48%提高到96.88%,Kappa系数由0.8546提高到0.9606。结果表明,EPS3VM在克服传统SVM参数选择不准确的同时,有效地应对了小样本问题,分类性能更优。
- 刘颖张柏王爱莲桑娟何咏梅
- 关键词：支持向量机半监督学习
