论文研究 基于ALOS PALSAR和Landsat数据集成的土地覆盖分类监督分类器评估。

已经提出了许多监督分类算法，但是很少针对特定应用对其进行评估。本研究研究了基于支持向量机（SVM），神经网络（NN），随机森林（RF）与最大分类器（MLC）（传统监督分类器）在森林资源和土地覆盖分类中的性能坦桑尼亚北部的先进陆地观测卫星（ALOS）相控阵型L波段合成孔径雷达（PALSAR）和Landsat专题测绘仪（TM）数据。针对各种分类方案，生成了基于LandsatTM表面反射率，ALOSPALSAR背向散射及其派生的各种数据类别。然后，使用SVM，NN，RF和ML分类器分别对Landsat和ALOSPALSAR数据进行联合处理。计算总分类准确度（OA），kappa系数（KC