论文部分内容阅读
图像分类是人们获取信息的一种重要的手段,传统的分类方法是以经验风险最小化为归纳原则,只有当训练样本数趋于无穷时,其性能才能达到理论上的最优。当样本不足时,传统的分类方法往往不能达到理想的分类精度。与传统的人工神经网络相比,支持向量机理论体现了结构风险最小化原则,它不仅结构简单,泛化能力强,而且能较好的解决小样本、高维数据和局部极小等实际问题。本文以试验区的地物分类为研究背景,建立了支持向量机的算法框架,并分别使用多项式核函数,径向基核函数、Sigmoid核函数以及线性核函数四种核函数对图像进行了多类