| 基于XGBoost特征选取和迭加权相关权重矩阵的高分五号遥感影像变化检测 |
| |
| 引用本文： | 魏立飞,张杨熙,尹峰,黄庆彬.基于XGBoost特征选取和迭加权相关权重矩阵的高分五号遥感影像变化检测[J].湖北大学学报(自然科学版),2020,42(4). |
| |
| 作者姓名： | 魏立飞 张杨熙 尹峰 黄庆彬 |
| |
| 作者单位： | 湖北大学资源环境学院, 湖北 武汉 430062,湖北大学资源环境学院, 湖北 武汉 430062,湖北省国土资源研究院, 湖北 武汉 430071,深圳市地籍测绘大队, 深圳 518034 |
| |
| 基金项目： | 测绘遥感信息工程国家重点实验室开放基金;地球信息工程国家重点实验室开放基金;空间数据挖掘与信息共享教育部重点实验室开放基金;国家自然科学基金 |
| |
| 摘 要： | 提出一种基于迭加权相关权重矩阵(IR-CWM),使用XGBoost机器学习模型训练选取特征变化波段,训练预测变化检测结果的方法 (IR-CWM-XGB).以国产高分五号(GF-5)高光谱遥感影像为数据源,经过预处理后,通过迭代加权得到迭加权相关权重矩阵(IR-CWM),然后经过XGBoost算法选取特征波段,选取随机样本进行模型训练,使用最终模型生成变化的结果.实验结果表明:本研究方法与变化矢量分析(CVA)变化检测方法、主成分变化矢量分析(PCA-CVA)变化检测方法、迭加权多元(IR-MAD)方法、卷积神经网络(CNN)等方法进行对比,本研究方法变化检测结果的Kappa系数和总体精度较高,误检率较低.
|
| 关 键 词： | 高分五号(GF-5) 高光谱 变化检测 迭加权相关权重矩阵(IR-CWM) 极端梯度提升树(XGBoost) |
GF-5 hyperspectral change detection based on XGBoost feature selection and iteration reweighted correlation weight matrix |
| |
| WEI Lifei,ZHANG Yangxi,YIN Feng,HUANG Qingbin.GF-5 hyperspectral change detection based on XGBoost feature selection and iteration reweighted correlation weight matrix[J].Journal of Hubei University(Natural Science Edition),2020,42(4). |
| |
| Authors: | WEI Lifei ZHANG Yangxi YIN Feng HUANG Qingbin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
