利用SVM-CRF进行高光谱遥感数据分类  

Classifying Hyperspectral Data Using Support Vector Machine Conditional Random Field

作　　者：李祖传[1,2] 马建文[1] 张睿[2,3] 李利伟[1] 

机构地区：[1]中国科学院对地观测与数字地球科学中心,北京市中关村北一条9号100190 [2]中国科学院研究生院,北京市玉泉路甲19号100049 [3]中国科学院遥感应用研究所,北京市大屯路甲20号100101

出　　处：《武汉大学学报（信息科学版）》2011年第3期306-310,共5页Geomatics and Information Science of Wuhan University

基　　金：国家自然科学基金资助项目(40901234);中国科学院知识创新工程青年人才领域前沿项目专项资助项目(O8S01100CX)

摘　　要：提出了一种改进的随机场模型SVM-CRF,它以支持向量机作为条件随机场的一阶势能项,结合了支持向量机和条件随机场的优点。采用AVIRIS高光谱遥感数据进行实验,对SVM-CRF模型进行了分析,结果表明,在分类精度上SVM-CRF优于支持向量机和传统条件随机场模型。With there problems at hands,an improved random field,support vector machine conditional random field（SVM-CRF） was proposed.It uses SVM as its unary potential,combining the merits of SVM and CRF.Experiments using AVIRIS hyperspectral data as input were carried out,and SVM-CRF was analyzed extensively.Experimental results show that SVM-CRF is superior to SVM and classic CRF in terms of classification accuracies.

关 键 词：支持向量机 条件随机场 高光谱数据 

分 类 号：P237.4[天文地球—摄影测量与遥感] TP753[天文地球—测绘科学与技术]