作者：邵一杰单类分类分类器支撑向量法
摘要：单类分类是指在只有一种类别样本的情况下,只通过这一类样本训练分类器,再用训练出的分类器对未知类别的样本进行类别判断.在遥感影像分类问题中,当某种类别样本无法获取或相对于其他样本数量很少时,就会产生各类样本数量不均衡的现象,传统的两类或多类分类方法将不能很好地适用;当只需要从图像中提取某种特定的类别时,标定大量非此类别的样本将花费不必要的时间,这时就需要用单类分类器来解决问题.因此,研究单类分类器在遥感影像分类问题中的应用有着重大的意义.该文集中讨论几种典型的单类分类算法,将他们应用于TM遥感影像进行比较分析实验.证明基于支撑域的单类分类方法OCSVM(one-class SVM)和基于密度的方法GDD(Gaussian Domain Descriptor)均可以完成针对遥感影像的地物分类,而BSVM方法因考虑了更多样本的信息,能够得到更好的分类结果.得出结论,在单类分类问题中,加入未知类别样本的信息,可以提高分类效果.而这些方法的缺点是参数多且分类结果对参数敏感,这些问题有待在今后进一步研究.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
