利用envi使用 SVM 进行监督分类

### 如何使用ENVI进行SVM监督分类

#### 准备工作
为了在ENVI中成功实施支持向量机(SVM)监督分类，需确保已安装并配置好ENVI软件环境。此过程不涉及图卷积神经网络相关内容[^1]。

#### 数据准备
选择合适的遥感影像作为训练数据源至关重要。这些图像应覆盖目标区域，并具有足够的光谱分辨率来区分不同地物类别。对于特定应用领域内的样本选取，建议依据专业知识指导完成。

#### 创建感兴趣区(ROI)
通过手动绘制或多边形工具定义各个类别的训练样本地点，在ENVI界面内建立多个感兴趣的区域文件(.roi)，用于后续模型构建阶段提供标注信息。

#### 训练SVM模型
利用`Classification -> Supervised Classification -> Support Vector Machines (SVM)`菜单选项启动参数设置对话框。在此处可以指定核函数类型（线性、多项式、RBF等），调整惩罚系数C以及其他超参优化项以提高泛化能力。

% 设置SVM分类器参数示例代码片段
envi, /no_save_dlg
file = 'path_to_your_image'
 envi_open_file, file=file$
     ,r_fid=r_fid
; 定义输入波段范围和其他必要参数...
svm_params = { $
    kernel_type : 2, ; RBF Kernel$
    gamma       : 0.5,$
    C           : 1}

#### 执行分类操作
确认所有前期准备工作无误之后，点击运行按钮开始正式处理流程。期间可能会遇到CUDA加速失败等问题，这通常是因为缺少必要的BLAS库支持所引起[^2]；不过这类错误一般不会发生在纯CPU模式下的ENVI环境中。

#### 结果评估与可视化
最后一步是对得到的结果栅格图层展开质量检验分析，包括但不限于混淆矩阵计算精度指标统计以及误差分布情况绘图展示等功能模块的应用实践。