基于支持向量机的遥感蚀变信息提取
社会生产以及人类物质需求的不断增加使得矿产资源日益短缺,如何在自然条件恶劣的地区探寻可利用的资源已成为当今地质工作者研究的热点,而传统的信息提取方法由于受样本数目以及维数的限制等原因,得到的结果一般精度不高,并不能很好地指导遥感找矿,因此,研究了遥感蚀变信息提取的一种新方法--基于统计学习理论的支持向量机方法.该方法很好地解决了机器学习方法研究中遇到的一些瓶颈难题,如神经网络结构的确定、过学习与欠学习、维数灾难、局部极小点等问题,已成为继模式识别和神经网络研究之后机器学习领域新的研究热点.通过对青海都兰-乌兰地区的试验证明了该方法在遥感矿化信息提取应用中的可行性,同时得到了令人满意的效果.
作 者： 安静 洪金益 傅文杰 AN Jing HONG Jin-yi FU Wen-jie 作者单位： 中南大学地学与环境工程学院,湖南,长沙,410083 刊 名： 西部探矿工程 英文刊名： WEST-CHINA EXPLORATION ENGINEERING 年，卷(期)： 2009 21(5) 分类号： P627 关键词： 遥感 统计学习理论 支持向量机 泥化蚀变信息 模式识别