Semi-supervised Support Vector Regression Model for Remote Sensing Water Quality Retrieving

这份报纸建议了监督半的回归基于支持向量机器与共同训练为算法建模，它被用于从 SPOT5 遥感数据检索水质量变量。模型由二支持向量 regressors (SVR ) 组成了。在水质量变量和 SPOT5 光谱之间的非线性的关系被二 SVR 描述，并且为 SVR 的监督半的共同训练的算法被建立。模型被用于检索四代表性的污染 indicatorspermanganate 的集中索引(CODmn ) ，氨氮(NH3-N ) ，化学的氧需求(货到付款) 和溶解的氧() 在 Shaanxi 省的 Weihe 河，中国。为在 Weihe 河的部分上的那些变量的空间分发地图也被生产。SVR 能被用来实现乐意地的任何非线性的印射，并且监督半的学习能使用标记并且未标记的样品。由集成二 SVR 并且使用监督半的学习，当配对的样品是有限的时，我们提供一个运作的方法。结果证明它比多重统计回归方法好一些，并且能快为管理提供整个水污染条件并且能被扩大到 hyperspectral 遥感应用。