采用支持向量机SVM对高光谱遥感数据进行分类

matlab 本身自带的SVM有缺陷，libsvm使用起来麻烦，本程序使得你只用两行代码就能搞定图像的分类，简单轻松。感兴趣的可以下去试一下，因为代码是本人研究课题中的一部分，暂时不方便公开，但大家可能方便地使用。如果有什么BUG，欢迎留言，我会进行更新。

使用SVM代码对AVIRIS_Indiana_16class高光谱数据集进行分类

在使用SVM进行多光谱数据分类前，可能需要进行数据预处理，包括缺失值处理、异常值检测、归一化或标准化，以消除不同波段间强度差异的影响。 6. **分类流程**： - 数据加载：读取多光谱数据和对应的标签。 - ...

支持向量机（Support Vector Machine，SVM）是一种在机器学习领域广泛应用的监督学习模型，尤其在高光谱遥感图像分类中表现出色。SVM的核心思想是通过找到一个最优超平面来最大化不同类别之间的间隔，以此实现对数据...

高光谱图像分类是数据分析的关键步骤，通常采用机器学习或统计方法，如支持向量机（SVM）、随机森林（RF）、神经网络等。分类的目标是将图像像素分配到预定义的地物类别，如植被、水体、建筑等。为了提高分类精度，...

本资源主要通过matlab对Paviau高光谱数据集进行分类，使用了pca、kpca、lda三种数据降维方法以及svm、knn、cnn三种数据分类算法。

分类过程是分析高光谱图像数据的重要任务之一。 支持向量机（SVM）是最流行和使用最广泛的分类器，其性能正在不断提高。 近来，与仅考虑像素的光谱特征的方法相比，利用空间和光谱信息的方法更加充分，鲁棒，有用和准确。 在本文中，通过使用空间像素关联（SPA）处理从高光谱数据中提取区域纹理信息，以进一步提高SVM技术的分类性能。 为了提高分类的准确性，提出了一种利用SPA特征的支持向量机的新方法。 此外，该手稿中还提出了一种可用于解决像素不正确问题的新方法，即“增长类的控制过程”（CPoGC）。 为了证明所提方案的有效性，我们进行了印度松站点（IPS）上的AVIRIS高光谱数据实验，以将所提出的分类方法与一些现有的基于SVM的技术（例如SC-SVM和PSO-SVM）进行比较，以及一些传统的方法，例如K-NN和K-means。 实验结果表明，所提出的方法明显优于这些众所周知的分类算法。

这是一个基于libsvm上的SVM的分类，有高光谱数据以及降维的方法。

使用SVM、随机森林及K-NN进行高光谱图像分类，内置Indian_pines、PaviaU、Salinas数据集及其标签

This scene was gathered by AVIRIS sensor over the Indian Pines test site in North-western Indiana and consists of 145\times145 pixels and 224 spectral reflectance bands in the wavelength range 0.4–2.5 10^(-6) meters. This scene is a subset of a larger one. The Indian Pines scene contains two-thirds agriculture, and one-third forest or other natural perennial vegetation. There are two major dual lane highways, a rail line, as well as some low density housing, other built structures, and smaller roads. Since the scene is taken in June some of the crops present, corn, soybeans, are in early stages of growth with less than 5% coverage. The ground truth available is designated into sixteen classes and is not all mutually exclusive. We have also reduced the number of bands to 200 by removing bands covering the region of water absorption: [104-108], [150-163], 220. Indian Pines data are available through Pursue's univeristy MultiSpec site.

是用于高光谱遥感影像分类的机器学习脚本，其中使用了支持向量机算法（Support Vector Machine，SVM）对Salinas数据集进行分类。 SVM算法是一种基于统计学习理论的分类算法，其通过在高维空间中寻找一个超平面，将...