摘要：遥感图像的分类是研究土地变化的基础。传统的遥感图像分类存在着精度不高，不确定性强的特点。本文使用支持向量机（SVM，Support Vector Machine）技术对遥感图像分类，并与传统的最大似然分类进行对比试验。结果表明不同参数组合下SVM的分类总精度和Kappa指数普遍高于最大似然分类的结果，其最高总精度高出最大似然分类0.9779％。SVM和最大似然分类结果都存在着类别混分，但是SVM混分程度远小于最大似然分类，其精度保持在可接受的范围内，如对于低密度草而言，最大似然分类的用户精度下降到84．68％，而支持向量机的用户精度虽然也有下降但还是保持在92．31％。SVM在样本数目很少的情况下表现出了出色的学习能力，是机器学习领域很有希望的一种学习方法。

原文链接:http://www.cqvip.com//QK/90831A/200808/27896821.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）