杨艳青
- 作品数：3 被引量：14H指数：2
- 供职机构：山西师范大学地理科学学院更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 基于遥感和GIS的土地利用分类方法研究被引量：9
- 2015年
- 本文基于遥感卫星数据,在遥感软件ENVI 5.1和地理信息系统软件Arc GIS 10.0的支持下,通过最大似然法(MLC)、支持向量机(SVM)、人工神经网络(ANN)三种方法,对研究区土地利用/覆盖(LUCC)分类进行信息提取,并对不同分类方法的结果进行比较分析和精度检验.研究表明:使用支持向量机进行遥感图像分类,精度优于最大似然法和人工神经网络,且学习速度也较快,可更好地区分土地利用类型,提高土地利用信息的精度,适用于不同地貌单元,能够作为小尺度范围内遥感影像LUCC分类研究的有效工具.
- 杨艳青柴旭荣
- 关键词：最大似然法支持向量机人工神经网络
- 基于遥感和GIS的蒲县土地利用研究
- 2015年
- 从土地利用/覆盖变化（LUCC）着手,以山西省蒲县为例,采用遥感和GIS技术,结合研究区的土地利用现状,以遥感影像为载体,利用支持向量机和最大似然法对研究区土地利用/覆盖进行分类,分析了蒲县2000~2014年土地利用动态变化,并进一步分析了土地利用变化的驱动力及其存在的问题,提出了土地可持续发展的对策及措施。
- 杨艳青柴旭荣
- 关键词：支持向量机最大似然法可持续发展
- 基于人工神经网络法的遥感影像分类研究被引量：6
- 2017年
- 在遥感和GIS的支持下,采用人工神经网络(ANN)法对研究区土地利用/覆盖进行信息提取,并对ANN改进前后的分类结果和最大似然法(MLC)的分类结果进行对比分析.实验发现采用改进后的ANN分类总体精度达到了93.91%,较改进前提高了2.16%,较MLC提高了6.44%.研究表明:使用ANN进行遥感图像分类,精度优于MLC,改进后的ANN精度优于改进前的ANN.与传统方法相比,ANN分类达到的精度更高,可更好地区分土地利用地类,提高土地利用信息的精度.
- 杨艳青柴旭荣
