一种改进的SVM遥感图像分类方法

作者：李蕾

来源：北京测绘, 2023, 37(06): 903-907.

DOI：10.19580/j.cnki.1007-3000.2023.06.019

• 加权支持向量机
• 遥感图像分类
• 不均衡
• 分类精度

支持向量机(SVM)是一种新兴的机器学习算法，常用在遥感影像分类研究中。针对样本数目不均衡时标准SVM算法的分类结果精度不佳的问题，本文根据不同类别的样本数对样本定权，提出了基于样本数加权的SVM算法。采用GeoEye卫星的高分辨率遥感影像对该算法进行验证，相应结果和标准SVM算法进行对比。结果表明，训练样本数较多时加权SVM算法与标准SVM算法均取得较好效果，但当训练样本数不均衡时加权SVM算法可有效补偿其不利影响，精度远优于标准SVM算法。