论文部分内容阅读
高光谱图像分类是高光谱应用中的核心技术之一,快速、高精度的高光谱图像分类算法是实现各种实际应用的前提。传统的模式分类方法以经验风险最小化为归纳原则,只有当样本数趋于无穷时,其性能才能达到理论上的最优。然而在高光谱图像分类中,训练样本通常是有限的。本文借助支持向量机方法在小样本、非线性及高维特征空间中具有良好的分类性能,针对高光谱图像分类的特点,对支持向量机方法及其在高光谱图像分类中的应用进行了深入的研究,主要工作包括:首先,核函数是支持向量机的核心,核函数又分为局部核函数与全局核函数两大