基于重要采样的深度SVM极化SAR分类方法

摘要

本发明公开了一种基于重要采样的深度SVM极化SAR分类方法，主要解决现有分类方法数据代表性不好、很难获取关键信息导致分类正确率低的问题。其实现步骤是：(1)对原始数据集进行归一化；(2)用深度信念网络进行特征表示；(3)用重要采样建立训练样本集和测试样本集；(4)用SVM获得初始分类结果；(5)选取置信度较高的样本构成新的SVM参数，并对原始数据集进行分类。本发明通过重要采样，可获得代表性较好的样本；用深度信念网络，可挖掘出代表性更好的特征；选取置信度较高的样本，可有效的提高分类准确率，可用于模式识别、目标检测和分类的问题。