SVM法在喀斯特城市土地利用分类中的应用  

作　　者：江丽莎[1] 付洁[1] 汤谷云[1] 罗涟玲[1] 孙涛[1] 王修信[1] 

机构地区：[1]广西师范大学计算机科学与信息工程学院,广西桂林541004

出　　处：《广西物理》2013年第3期21-23,共3页Guangxi Physics

基　　金：国家自然科学基金项目(41061040);广西高校科学技术研究项目(2013LX020)

摘　　要：选取覆盖桂林城区的美国Landsat 5卫星TM图像,利用支持向量机SVM提取土地利用信息,同时与最大似然法、决策树和人工神经网络的分类结果比较,研究提高喀斯特城市遥感分类精度的方法,并分析1989~2006年桂林城区土地利用的变化。结果表明,SVM可提高喀斯特城市土地利用信息遥感分类的精度,可有效地动态监测喀斯特城市土地利用的变化。SVM的地物分类精度和Kappa系数最高,总体分类精度为91.7%,超过90%,Kappa系数为0.827,明显高于人工神经网络、决策树和最大似然法的分类结果。

关 键 词：喀斯特城市 遥感 土地利用 分类 支持向量机 

分 类 号：F301[经济管理—产业经济] P237[天文地球—摄影测量与遥感]