论文研究基于多分类器融合的遥感分类研究 .pdf

针对高光谱图像的分类问题进行了研究，提出一种基于联合协同表示（JCR）与支持向量机（SVM）模型的决策融合分类方法。首先采用联合协同表示模型对样本与字典进行多元素分解并分别进行相应的协同表示，自适应地

基于基分类器自身的Bagging基分类器权重设置策略，崔恺旭，刘知青，Bagging算法是一种有效的提高分类任务中分类器性能的集成学习算法。文章提出一种Bagging算法中加权投票法权重的设置策略，该

基于GPU的逻辑回归分类器的改进，白远旺，高占春，近年来，由于海量数据的普遍性，数据挖掘受到了广泛的关注。Mahout提供机器学习框架的同时，实现了一些机器学习领域中经典算法，为

支持向量机已经被成功应用于遥感图像分类。一种新型具有良好特性的支持向量机--全间隔自适应模糊支持向量机被提出。这种新型的支持向量机具有通过训练集的模糊性来增强泛化能力；对不平衡训练集具有自适应性，对正

在主动学习的基础上，提出一种基于SLIC的高光谱遥感图像主动分类方法。首先提取图像纹理特征并与光谱特征融合，使用PCA对新数据进行降维，取前三个主成分构成假彩色图像，然后使用SLIC处理该图像获得超像

针对传统的模糊C-均值在遥感图像分类时容易产生局部最优现象以及对噪声过于敏感等问题，提出了一种基于半监督、核函数及空间邻域信息的模糊C-均值遥感图像分类算法。该算法基于遥感图像的光谱特征空间，根据地物

遥感图像分类方法通常采用监督的学习算法，它需要人工选取训练样本，比较繁琐，而且有时很难得到；而非监督学习算法的分类精度通常很难令人满意。针对这些缺陷，提出一种基于Kmeans与支持向量机(SVM)结合

基于光谱和纹理的SVM遥感影像分类研究，丁允静，，遥感图像分类是遥感应用的基础问题，目前遥感图像的分类方法多为计算机自动分类方法，由于

主要介绍BP神经网络在遥感影像分类方面的应用，重点介绍神经网络的工作原理，希望对你有所帮助

讨论面向对象和规则的光学遥感影像分类方法