典型文献
支持向量机在滑坡识别中的应用
文献摘要：
提出一种基于谷歌开源数据与支持向量机(SVM)结合的方法,以川西地区为试验区,实现遥感影像上滑坡的精准识别,识别对象多以与环境差异较大的新滑坡为主.基于开源谷歌影像建立川西历史滑坡数据库,包括历史滑坡1 960处,将滑坡分为色调显著和纹理形态显著两类;利用方向梯度直方图进行特征提取训练SVM,利用训练好的模型进行滑坡二分类以及多分类识别.进行滑坡二分类时将样本数据集总数分为2 000和4 000以探讨样本数对SVM精度的影响,结果表明样本总数为2 000时各模型识别精度上升,但滑坡的识别精度下降;进行滑坡多分类时将滑坡数据集分为色调显著型滑坡和纹理特征显著型滑坡,探讨模型在识别滑坡时纹理和色调特征的影响,再选用线性核(LN)SVM、多项式核(PL)SVM、高斯核(RBF)SVM、Sigmoid核(SIG)SVM 4种模型进行识别,模型的精度依次分别为0.69、0.72、0.77、0.70,LN-SVM和PL-SVM对识别滑坡纹理形态较为敏感,RBF-SVM和SIG-SVM更侧重于根据滑坡的色调特征识别滑坡.SVM可以应用于以谷歌地球影像为数据源的滑坡识别,且在滑坡识别时对滑坡的纹理特征更为敏感.
文献关键词：
滑坡;支持向量机;自动识别;谷歌影像
中图分类号：
作者姓名：
宋雨洋;郝利娜;严丽华;王一;常浩;许强
作者机构：
成都理工大学地球科学学院,成都610059;成都理工大学地质灾害防治与地质环境保护国家重点实验室,成都610059
文献出处：
引用格式：
[1]宋雨洋;郝利娜;严丽华;王一;常浩;许强-.支持向量机在滑坡识别中的应用)[J].兰州大学学报（自然科学版）,2022(06):727-734
A类：
B类：
滑坡识别,开源数据,川西地区,试验区,遥感影像,精准识别,识别对象,环境差异,谷歌影像,西历,色调,方向梯度直方图,练好,二分类,多分类,分类识别,样本数据集,模型识别,识别精度,滑坡数据集,纹理特征,再选,LN,多项式,PL,高斯核,RBF,Sigmoid,SIG,特征识别,谷歌地球,数据源,自动识别
AB值：
0.327132
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
