臺灣人文及社會科學引文索引資料庫系統

:::

詳目顯示

回上一頁
第 1 筆 / 總合 1 筆   第一頁 上一頁 下一頁 最後一頁
/1頁
題名：支持向量機應用於水稻田辨識之研究
書刊名：航測及遙測學刊
作者：陳承昌／史天元
作者(外文)：Chen, C. C.／Shih, T. Y.
出版日期：2007
卷期：12:3
頁次：頁225-240
主題關鍵詞：多光譜影像；人工智慧；Multispectral images；Artificial intelligence
原始連結：連回原系統網址new window
相關次數：
  • 被引用次數被引用次數:期刊(2) 博士論文(0) 專書(0) 專書論文(0)
  • 排除自我引用排除自我引用:2
  • 共同引用共同引用:0
  • 點閱點閱:1
「支持向量機」是以統計學習理論為基礎，所建構出的機器學習系統。其基本原理是在特徵空間中尋求具有最大區分度邊界的超平面，以區分不同的二元類別。本研究以「支持向量機」為分類器，進行水稻田的辨識作業，並採用嘉義地區多時段福衞二號(Formosat-2)影像及新竹地區多時段SPOT 影像為資料來源。「支持向量機」可選用不同核函數，而且會因核函數選用的不同，而對分類成果造成差異。因此，本研究於嘉義及新竹實驗區分別採用線性、多項式、輻狀基底函數及兩層式類神經網路為核函數進行辨識作業，以分析其影響。 分類實驗成果，將「支持向量機」與高斯最大似然分類法及輻狀基底函數類神經網路，進行分類成果比較。由實驗成果顯示，「支持向量機」於嘉義實驗區以2 階多項式所得的分類精度為最佳，其整體精度為89.830%、Kappa 值為0.79303；於新竹實驗區以輻狀基底函數所得的分類精度為最佳，其整體精度為84.989%、Kappa 值為0.68269。於兩實驗區中，「支持向量機」的分類精度皆優於高斯最大似然分類法及輻狀基底函數類神經網路。
This study investigates the application of the Support Vector Machine (SVM) for image classification. The images used for the experiment include multi-temporal Formosat-2 images of the Chiayi area and multi-temporal SPOT images of the Hsinchu area. There are a number of kernel functions to be selected with SVM. In experiment, Gaussian Maximum Likelihood Classification and Radial Basis Function (RBF) neural network are used for comparison. The Polynomial Kernel Function is the best for Chiayi and RBF is the best for Hsinchu. The overall accuracy is 89.830% for Chiayi and 84.989% for Hsinchu. The kappa index is 0.79303 for Chiayi and 0.68269 for Hsinchu. In terms of the classification accuracy, Support Vector Machine is shown to be better than Gaussian Maximum Likelihood Classification and Radial Basis Function (RBF) neural network.
期刊論文
1.Camps-Valls, Gustavo、Bruzzone, Lorenzo(2005)。Kernel-based methods for hyperspectral image classification。IEEE Transactions on Geoscience and Remote Sensing，43(6)，1351-1362。  new window
2.Burges, Christopher J. C.(1998)。A tutorial on support vector machines for pattern recognition。Data mining and knowledge discovery，2(2)，121-167。  new window
3.Smith, G. M.、Milton, E. J.(1999)。The Use of the Empirical Line Method to Calibrate Remotely Sensed Data to Reflectance。International Journal of Remote Sensing，20(13)，2653-2662。  new window
4.Yuan, D.、Elvidge, C. D.(1996)。Comparison of Relative Radiometric Normalization Techniques。ISPRS Journal of Photogrammetry and Remote Sensing，51(3)，117-126。  new window
5.Bischof, H.、Schneider, W.、Pinz, A. J.(1992)。Multispectral Classification of Landsat-images Using Neural Networks。IEEE Transactions on Geoscience and Remote Sensing，30(3)，482-490。  new window
6.Hughes, G. F.(1968)。On the Mean Accuracy of Statistical Pattern Recognizers。IEEE Transactions on Information Theory，14(1)，55-63。  new window
7.Foody, G. M.、Mathur, A.(2004)。A Relative Evaluation of Multiclass Image Classification by Support Vector Machines。IEEE Transactions on Geoscience and Remote Sensing，42(6)，1335-1343。  new window
8.Melgani, F.、Bruzzone, L.(2004)。Classification of Hyperspectral Remote Sensing Images with Support Vector Machines。IEEE Transactions on Geoscience and Remote Sensing，42(8)，1778-1790。  new window
9.Zhu, G.、Blumberg, D. G.(2002)。Classification Using ASTER Data and SVM Algorithms; The Case Study of Beer Sheva, Israel。Remote Sensing of Environment，80(2)，233-240。  new window
會議論文
1.許晉嘉、雷祖強、周天穎(2005)。應用支援向量機法於衛星影像分類之研究。農業工程研討會。  延伸查詢new window
2.黃明哲、李良輝(2005)。支持向量機應用於空載雷射掃瞄資料地物分類之研究。電子計算機於土木水利應用研討會。  延伸查詢new window
學位論文
1.陳益凰(1998)。應用多時段衛星影像辨識水稻田之研究(碩士論文)。國立成功大學。  延伸查詢new window
2.蕭國鑫(1998)。多時遙測光學與雷達資料於水稻田辨釋之研究(碩士論文)。國立交通大學。  延伸查詢new window
3.鄧敏松(1997)。結合多時段遙測影像、耕地坵塊與領域知識之區域式影像辨識法於水稻田耕作調查之應用(碩士論文)。國立成功大學。  延伸查詢new window
4.王景南(2003)。多類支向機之研究(碩士論文)。元智大學。  延伸查詢new window
5.邵泰璋(1999)。類神經網路於多光譜影像分類之應用(碩士論文)。國立交通大學。  延伸查詢new window
圖書
1.Vapnik, Vladimir Naumovich(1995)。The Nature of Statistical Learning Theory。Springer-Verlag。  new window
2.Lillesand, T. M.、Kiefer, R. W.、Chipman, J. W.(2004)。Remote sensing and image interpretation。New York, NY：John Wiley & Sons, Inc.。  new window
3.葉怡成(1998)。類神經網路模式應用與實作。儒林書局有限公司。  延伸查詢new window
4.羅華強(2001)。類神經網路MATLAB的應用--類神經網路的介紹。清蔚科技。  延伸查詢new window
5.Gonzales, R. C.、Woods, R. E.(2002)。Digital Image Processing。Addison-Wesley Publishing Company。  new window
6.Duda, R. O.、Hart, P. E.(1973)。Pattern Classification and Scene Analysis。New York：Wiley。  new window
7.Hagan, M. T.、Demuth, H. B.、Beale, M.(1995)。Neural Network Design。Boston：PWS Publishing Company。  new window
8.Landgrebe, D.、Biehl, L.(2001)。An Introduction To MultiSpec。Purdue University。  new window
9.Schowengerdt, Robert A.(1997)。Remote Sensing: Models and Methods for Image Processing。Academic Press。  new window
10.Cristianini, N.、Shawe-Taylor, John(2000)。An Introduction to Support Vector Machines and Other Kernel-based Learning Methods。Cambridge University Press。  new window
其他
1.MathWorks(2001)。Matlab Neural Network Toolbox 4.0 User's Guide，MathWorks。  new window
2.PCI(1997)。Using PCI Software，PCI。  new window
3.工研院(2005)。應用高時間與空間解像力遙測影像於水稻田耕作調查(1/3)。  延伸查詢new window
4.中央大學(2005)。國立中央大學太空及遙測研究中心資源衛星接收站使用者手冊，http://www.csrsr.ncu.edu.tw/chin.ver/c7download/2005user.pdf。  延伸查詢new window
5.Lin, C. J.(2004)。Support Vector Machines for Data Classification and Regression，http://www.csie.ntu.edu.tw/~cjlin。  new window
6.Hsu, C. W.，Chang, C. C.，Lin, C. J.。A Practical Guide to Support Vector Classification，http://www.csie.ntu.edu.tw/~cjlin/libsvm/index.html。  new window
 
 
 
 
第一頁 上一頁 下一頁 最後一頁 top
QR Code
QRCODE

臺灣人文及社會科學引文索引資料庫

目前上線人數：421（臺灣：414，外國：7） ／ 本年度總使用人次：2178223 ／ 訪客人次（自102年09月）：67971455
國家圖書館著作權聲明 Copyright © 2013 All rights reserved.
本館地址: 100201臺北市中山南路20號． 本館地圖及交通資訊．
總機：(02)23619132．最佳瀏覽解析度為1024x768以上