刘　冰，吴　超，林　怡

(1.河南省航空物探遥感中心，河南 郑州 450053；2.河南省电力勘测设计院，河南 郑州 450007；3.同济大学 测绘与地理信息学院，上海 200092)



混合核特征加权SVM遥感湿地空间分类

刘冰1，吴超2，林怡3

(1.河南省航空物探遥感中心，河南 郑州 450053；2.河南省电力勘测设计院，河南 郑州 450007；3.同济大学 测绘与地理信息学院，上海 200092)

摘要：针对湿地空间信息的复杂性和SVM的分类性能，设计一种基于混合核函数的特征加权SVM分类模型，综合利用多种特征信息，避免被弱相关特征所支配，从而提供更佳的映射性能和泛化能力。实验结果表明，该分类模型兼具良好的外推和内推能力，能够有效地融合不同信息源特征，得到更完整和准确的分类结果，在总体精度、Kappa 系数等多项指标上都表现出更高的水平。

关键词：混合核；特征加权；支持向量机；湿地；分类

近年来随着人口增加和经济发展，尤其是土地开发和城市化建设给湿地资源带来巨大的压力，造成湿地资源数量和类型的日益减少，湿地结构与生态服务功能的破坏逐渐加剧。湿地的生态环境退化和可持续发展问题已经成为当前湿地研究的焦点问题。遥感技术具有观测范围广、信息量大、获取信息快、可比性强等优点，近20年来已广泛应用于湿地资源调查、识别等研究中[1]。而湿地本身具有的类型多样性、波谱易混性以及边界不确定性等特点，对传统的遥感分类方法提出新的要求[2]。

支持向量机(Support Vector Machine，SVM)[3-4]作为一种最新的也是最有效的统计学习方法，近年来在遥感影像分类中得到广泛的应用，而如何提高SVM的分类性能，也成为当前众多学者研究的热点。……