本科生毕业设计（论文）文献综述
一、文献综述
（一）国内外研究现状
（1）分类器精度研究
学者通过对分类器原理的解析，进行优化，获得更优的分类方法。其中，李伟涛[1]通过对高分辨率遥感图像分割进行植被分类提取研究，贾永红[2]基于改进的BP神经网络用于土地利用分类，发现分类融合较融合分类的分类精度高。甄志龙、朱垚[3]基于模糊技术的神经网络分类方法，处理遥感影像分类中的模糊和不确定性，取得令人满意的效果。杨艳青[4]等人发现，在人工神经网络法隐含层中适当增加隐含层的数目能够提高精度，改进后的人工神经网络方法精度较传统的人工神经网络方法更高。朱建国等[5]研究发现，分段线性分类方法在分类精度和运算速度方法是比最大似然法和平行六面体分类法更优的选择。
Camps-Valls[6]探讨了核函数在SVM分类器中的作用，提出混合核SVMs方法。Gu[7]等人后来在此基础上构建多核学习方法。Hong等人[8]在多模态数据处理和分析技术的趋势下，提出了共享和特定的特征学习（S2FL）模型，在土地覆盖分类任务中具有优越性和先进性。Alonso等人[9]利用高光谱影像Worldview-2与随机森林分类器自动绘制森林覆盖物的方法，高效区分了主要的森林类型。Su等人[10]在不损失支持向量机分类精度的情况下，通过研究单一、完全、加权成对组平均、未加权成对组平均四种链接技术，缩减原始训练集。
（2）不同分类器精度比较研究
对不同分类器的精度比较，是一个研究大方向，通过比较各种常见分类器的精度，得到不同地物的适配分类器，有利于提高分类精度。国内学者程国旗等[11]在以Landsat-8影像为数据源，以黄岛区为例的监督分类器比较中，介绍了六种常见监督分类器及原理，根据分类结果的分类精度和Kappa系数验证精度，其中支持向量机是在此例中表现最好的分类器，平行六面体的分类精度最低。肖凡[12]、李帅[13]也同样在分类研究区的基础上，使用几种典型的监督分类器对其分类，并对结果进行精度验证，比较，结果中最大似然法与支持向量机精度最高。白宇星[14]在以西安市未央区为例时，在神经网络分类法、支持向量机分类法、马氏距离分类法、最小距离分类法、最大似然法中，最大似然法表现出最理想的分类效果。刘丽雅[15]在基于国产GF_1高寒山区土地利用覆盖分类研究中，分别使用了最大似然法、面向对象分类法、分区非监督分类法，通过混淆矩阵验证精度，结果表明，面向对象分类法更加适用高寒山区的土地利用分类。昌小莉等[16]在湿地信息提取中，使用监督分类与决策树方法，结果表明监督分类的精度更高。
