简介：高光谱影像包含有丰富的地物类别信息,但由于受分类方法等因素的限制,这些信息并不能得到充分的挖掘.组合分类器由于可以实现各分类结果信息的互补,因而总有着较各单分类器效果更好的分类性能.将组合分类方法引入到高光谱影像的分类实践中,并对组合的关键问题一组合规则进行探讨,提出了混合组合规则的概念.实验表明,利用该组合分类方法对高光谱影像进行分类,可以得到良好的处理结果.

简介：国际海道测量组织是海道测量领域全球唯一的国际性、政府间、技术咨询组织,长期主导着标准和技术的发展方向,先后发布了多种出版物.研究了IHO出版物的分类、出版物主要内容,分析了IHO出版物的发展趋势,最后提出了相关的工作建议.

简介：基于相关矩阵特征向量的目标分解将地物回波复杂的散射过程分解成相互独立的三种单一散射分量：单向散射、双向散射和交叉散射,分别对应各自的目标相关矩阵.目标分解技术降低了散射回波之间的相关性,有利于分析地物散射机理,有助于提高分类精度.对荷兰Flevoland地区全极化数据进行分解,经过试验和相关性分析,选用7种数据形成多参数数据组合,对其进行最大似然监督分类,同时进行常规三种极化加相位差的分类和基于复Wishart分布的最大似然分类,逐像元计算混淆矩阵,分析对比三种分类结果的精度,试验表明：相对于常规数据组合分类,基于复Wishart分布的监督分类可以小幅度提高分类精度,而利用目标分解得到多参数组合数据进行分类则有大幅度的提高。

简介：通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。

简介：支持向量机是机器学习领域的研究热点之一,是在统计学习理论基础上发展起来的新的学习算法.传统的分类法用于纹理图像分类效果往往不佳,该文研究了支持向量机的实现方法,并以纹理图像分类为例分析了支持向量机的分类性能.

简介：基于Wishart分类器的全极化SAR图像H/α分类方法应用于海岸线分类,可区分不同海岸线类型。在聚类过程中,传统H/α-Wishart方法时常将各类聚类中心对应的散射机理混淆,使得同为单次面散射的淤泥质与砂质海岸线类别难以区分。针对此问题,提出了改进型的辅助分层分类方法。算法运用单次反射特征值相对差异度与极化总功率系数构成的二维特征空间,结合支持向量机得到最优分界判据,以分离初始分类结果中混淆的淤泥质与砂质海岸线。实验表明,改进方法能够有效区分淤泥质与砂质岸线,分类混淆矩阵对应kappa系数由0.794提升至0.853,分类识别率得到显著提高。

简介：首先利用支持向量机（SVM）和人工神经网络（ANN）对Landsat8OLI多光谱影像进行基于光谱信息的土地利用监督分类;然后,对多波段进行主成分变换,提取第一主成分的主要纹理信息,与光谱信息一起进行融合光谱和纹理信息的SVM和ANN影像监督分类.对比分析发现：对中原地区,SVM是Landsat8多光谱遥感影像分类的较优方法,尤其适用于农业用地信息提取;光谱分类即可达到较高精度,纹理信息对提高分类精度的作用十分有限.

简介：针对海底采样点较少时,监督学习训练分类模型困难的问题,研究无监督学习的K-均值聚类分析算法在多波束海底底质分类中的应用。在探讨K-均值聚类分析算法原理的基础上,构建海底底质分类器,针对分类器需预先输入分类结果种类（K值）这一问题,提出了基于底质采样点和分类效果连续性为原则的K值确定方法。实验结果表明：基于K-均值聚类分析算法的海底底质分类器能较好的实现海底底质类型的自动划分,适用于海量多波束底质特征参数的分类。

简介：地理要素的分类编码是人类认知地理信息世界的成果,也是人类对地理信息世界再认知的人口和关键.在海洋地理信息领域,S-101数据标准即将替代现行S-57ENC标准,分类编码方案也将会相应改变.先对S-57到S-101的属性变化内容进行整体描述,再从地理要素属性、元要素属性、图示表达属性三方面内容,对新旧两套分类编码中的属性内容进行对比分析,为涉海人员消化吸收新标准提供一定的参考.