基于定量遥感产品的土地覆盖分类方法研究

准确进行土地覆盖类型提取具有重要的实际应用价值,但是目前常用的分类数据较为单一,通常使用地物反射率数据或植被指数,较少使用定量遥感产品.为此,本文使用反照率等产品评价定量遥感产品在地物分类中的实际应用效果.提取定量遥感产品的年平均值、标准差等特征作为地物分类依据,运用随机森林分类方法建立中国地区土地覆盖分类的自学习模型,与仅用地物反射率和NDVI数据进行分类的结果进行比对.结果显示,定量遥感产品辅助下的随机森林模型宏观尺度土地覆盖分类方法的总体精度为89.8%,Kappa系数为0.86,比仅用反射率和NDVI数据进行土地覆盖分类的总体精度提高了12.9个百分点;通过下降梯度法对分类特征的重要性进行评价,发现叶面积指数和反照率2种定量遥感产品在土地覆盖分类模型中重要性较大.结果表明,定量遥感产品用于土地覆盖类型的信息提取,会提高资源环境要素提取的精度,本文方法可为地物分类提供新的思路.     

基于RF模型的高分辨率遥感影像分类评价

以QuickBird高分辨率遥感影像为主要数据源,采用多尺度影像分割方法提取地物对象的光谱、纹理和形状特征;在此基础上,构建基于随机森林（RF）方法的遥感影像分类模型,分析和评价特征变量对模型重要性与稳定性的影响。结果表明:1研究区最优分割尺度参数为70、形状因子0.2、色彩因子0.8,同时构建研究区乔木、灌木和草地等8个景观类型的光谱、纹理和形状等32个特征变量信息;2选择5 000棵树和1个节点变量构建的RF分类模型的总体精度为0.94,Kappa系数为0.93,OOB（Out of Bag）数据泛化误差为6.01%;3通过分析特征变量的重要性发现,Ratio_la₁和Ratio_la₂等光谱特征的重要性值明显比形状特征和纹理特征的高;4基于平均下降精度,选择16个变量构建RF模型时总体精度达到0.94,Kappa系数0.93;5基于基尼指数构建的RF模型,在19个变量时总体精度和Kappa系数达到峰值。相比较而言,基于平均下降精度构建的RF较稳定。     

基于化学成分的烤烟香型分类研究

本研究以全国清香型、浓香型、中间香型烤烟为研究对象,以6个区域24个C3F中部叶为分类样本,采用随机森林分类算法进行香型分类,结果表明：随机森林算法对烤烟香型起到了很好的区分作用,分类正确率达到了87．5％;基于随机森林分类的同时得到了分类变量在香型分类中的重要性,烟叶常规化学成份在香型分类中的重要性从高到低依次为：总钾→总氮→总糖→还原糖→总氯→烟碱．因此,随机森林分类可以用于烤烟的香型分类,同时也可以用于判断分类变量对分类目标的重要性程度．     

基于Sentinel-2光谱与地形特征的山区森林分类——以武夷山国家公园为例

为了提高山区复杂地形条件下的森林分类精度,以武夷山国家公园为研究区开展山区森林分类研究.以Sentinel-2遥感影像作为数据源,采用多尺度分割方法进行影像分割,并通过ESP2算法选取影像的最优分割尺度.首先构造了Sentinel-2光学影像的初始27维光谱特征,通过计算随机森林Gini指标对分类特征变量进行优化,最终确定17维最优特征变量,然后将提取的研究区地形特征与最优特征变量相结合,应用随机森林算法进行森林分类.结果表明：在27维光谱特征中选取重要性排名前17的特征参与分类时,精度最高值为0.911 0,其中,Sentinel-2影像的红、红边和近红外波段及其相应的光谱指数在森林分类中有较高重要性;在不同的特征参与分类时,在参考光谱特征中依次加入红边指数和地形因子,分类的总体精度分别为88.13%、89.50%、90.87%,Kappa系数分别为0.854 6、0.871 0、0.887 8.研究证明将Sentinel-2丰富的光谱特征与地形因子相结合,可有效获取各森林地物类型在不同地形特征下的不同光谱特征,此方法在森林地物信息提取中具有较高的应用价值,为今后地形复杂的山区森林进...     

基于规则的遥感影像分类方法研究——以黄山市为例

介绍了决策树C4.5算法,并利用该算法实现了对遥感数据规则的挖掘,在此基础上设计并实现了针对于C4.5规则的编辑器,通过该编辑器能够实现对规则的编辑与管理。规则编辑器的设计与实现,为在分类过程中人工的干预提供了可能。将人工干预与基于数学理论规则的自动提取相结合,尤其是在地形较复杂的地区,将有利于分类精度的提高。利用黄山市Land Sat TM影像,进行了基于C4.5算法自动提取规则的遥感影像分类实验。实验结果表明,利用C4.5算法提取的分类规则准确率高,利用提取的分类规则进行的遥感影像分类效果较好。     

基于遥感和GIS的景观分类研究——以安徽省为例

本文以安徽省为例,探讨了地理信息系统在景观生态分类中的应用。文中分类主要包括四个方面,第一,根据研究区特点及景观生态分类的实际需要确定分类的方法及各级指标体系;第二,对分类所需数据进行处理,提取分类所需的各种信息;第三,将各种信息综合叠加,得出景观分类系统,并做出研究区景观类型;第四,对分类结果进行评价,进而分析分类方法的优劣。研究结果表明遥感和GIS是景观生态分类的一种有效方法。     

基于随机森林的文本分类模型研究

随着WWW的迅猛发展，文本分类成为处理和组织大量文档数据的关键技术．随机森林模型是决策树的集成，并且由一随机向量决定决策树的构造．当森林中的决策树的数目增大，随机森林的泛化误差将趋向一个上界．将随机森林模型应用于文本分类，在Reuter21578数据集上的实验表明，分类效果比较好，性能比较稳定，将共同C4．5，KNN，SM0，SVM4种典型的文本分类器进行了比较，结果显示它的分类性能胜于CA．5，同KNN，SMO和SVM方法相当．     

基于随机森林的文本分类模型研究

随着WWW的迅猛发展，文本分类成为处理和组织大量文档数据的关键技术.随机森林模型是决策树的集成，并且由一随机向量决定决策树的构造. 当森林中决策树的数目增大，随机森林的泛化误差将趋向一个上界.将随机森林模型应用于文本分类,在Reuter21578数据集上的实验表明，分类效果比较好，性能比较稳定，将其同C4.5, KNN, SM0, SVM 4种典型的文本分类器进行了比较，结果显示它的分类性能胜于C4.5，同KNN, SMO和SVM方法相当.     

基于遥感和GIS的景观分类研究--以安徽省为例

本以安徽省为例，探讨了地理信息系统在景观生态分类中的应用。中分类主要包括四个方面，第一，根据研究区特点及景观生态分类的实际需要确定分类的方法及各级指标体系；第二，对分类所需数据进行处理，提取分类所需的各种信息；第三，将各种信息综合叠加，得出景观分类系统，并做出研究区景观类型；第四，对分类结果进行评价，进而分析分类方法的优劣。研究结果表明遥感和GIS是景观生态分类的一种有效方法。     

基于深度随机森林的商品类超短文本分类研究

近年来，随着移动通信和信息技术的发展，网络上和实际应用场景中需要处理越来越多的长度不超过20字并且不带有辅助标签信息的超短文本数据.超短文本因其固有的词义多义性、文本特征极度稀疏、上下文明显缺失以及明辨语义困难等特点，如何对其进行有效地分类成为文本分类领域亟需解决的新问题.本文针对传统的短文本分类方法KNN和决策树在商品类超短文本上存在的由于特征稀少而导致分类器性能不佳的问题，提出了一种基于深度随机森林的商品类超短文本分类方法.该方法采用"分流"策略，利用外部知识库进行辅助，对知识库中存在明确类别的商品名直接确定其分类，对无法直接抽取类别的商品名，采用Word2vec对其在外部知识库中的描述进行向量化，并利用深度随机森林对向量进行分类，同时不断优化分类器直到训练集大小达到设定的阈值.实验结果表明，与传统的分类方法KNN和决策树相比，本文提出的分类方法在平均准确率上分别提高了22.78%和17.22%，平均召回率上分别提高了22.85%和15.23%.      

基于遥感协同数据对岩性进行监督分类——以阿尔金西段江格勒萨依地区为例

阿尔金西段高压变质带是地质科学研究热门地区,而江格勒萨依地区又是深入探索该地区的重要前沿基地之一,考虑到该区自然地理环境,无法实地进行细致调查,因此遥感地质调查成为重要手段。收集光谱分辨率居中的Landsat-8数据和空间分辨率相对较高的Worldview-2数据,并以Landsat-8数据光谱特征和Worldview-2数据纹理特征为主辅以Worldview-2数据光谱特征进行协同得到协同数据,通过对原始数据和协同数据进行最大似然法监督分类,得到该地区中生代沉积岩及前寒武变质岩分类结果,验证表明协同数据分类总体精度较高,监督分类方法在阿尔金西段地质调查过程中具有推广的可能性。     

基于遥感影像的最大似然分类算法的探讨

通过对最大似然分类算法的研究,并将其与马氏距离分类法在相同情况下进行对比试验,结果表明,最大似然分类方法对于光谱特性呈正态分布的遥感影像能提供较高的分类精度,而对于光谱特性呈非正态分布或偏离正态分布总体的遥感影像,最大似然分类法的实际分类效果并不理想,进而分析最大似然分类法的适用性.     

利用主动学习改进遥感图像单类分类:以正类和未标记样本学习方法为例

针对单类分类方法中只用正类训练样本导致训练样本数量和质量的选择直接影响分类结果精度的问题,以正类和未标记样本学习(PUL)为例,研究如何利用主动学习选择训练样本,以求改善单类分类的精度。首先用随机选取的训练样本进行PUL分类,直到获得稳定的分类精度,然后利用主动学习选择和增加最有用(informative)的正类或负类样本,用于PUL分类。结果表明,当利用足够多的随机选取的正类样本得到稳定的分类精度后,利用主动学习选择和增加正类样本可以提高分类精度;利用主动学习的同时加入正类和负类样本,可以得到比只加入正类样本更高的分类精度;将利用主动学习得到的正类样本经相似性筛选后得到的正类样本,分类精度与直接利用主动学习选择的样本相似,但达到同样精度时需要更少的样本。因此,利用主动学习选择和增加样本可以有效地改善单类分类的精度。     

遥感数据计算机分类在土地调查中的应用

本文提出MSS数据波谱形态相关模型和直方图决策树分类法。这一方法从数据直方图和矫正的波谱形态曲线中提取模型参数、直方图特征参数、各波段相关系数参数,同时提取波谱反转特性参数,然后利用直方图决策树分类器进行计算机判决分类。将该方法应用于咸宁市县级土地利用状况调查中,取得了满意效果。     

遥感影像分类方法比较研究

从遥感影像分类原理入手，探讨了最新计算机遥感影像分类方法，比较分析各种新方法与传统分类方法的优缺点，尝试展望遥感影像分类法的发展趋势。     

遥感数据的粗糙集表示及分类

由于粗糙集理论对不确定性的描述是相对客观的,且在无需先验信息的情况下提供了严格地处理数据分类问题的数学方法,结合遥感数据的不确定性,就能对遥感数据进行分类处理.文章通过对遥感数据的处理,经过数据离散化等一系列数据处理后得到约简属性,再根据Fisher线性判别对遥感数据进行监督分类,得到分类结果.可以得出粗糙集理论应用于...     

植被高光谱遥感分类方法研究

结合具体的OMISI高光谱遥感数据,对各种常用植被高光谱遥感分类方法进行分类训练,通过比较分类性能,得到各种方法在植被高光谱分类中的若干应用规律和分类过程中选择最优分类方法的一些技巧。在此基础上,提出将传统分类方法与基于光谱特征匹配的分类方法相结合对高光谱图像进行分类的方法。     

基于多特征融合预测蛋白质相互作用界面

为高效准确地预测蛋白质相互作用界面,提取了传统特征,并采用多种方法改进进化信息特征,利用特征选择构建了一个14维的预测模型.通过5折交叉验证和独立测试,预测结果表明:该预测模型不仅显著降低特征维度,而且选择的特征组合具有较好的预测能力和较强的泛化能力.     

基于多源遥感数据的福建双旗山地区地质构造解译

从研究福建省双旗山矿床的产出的地质背景入手,搞清该矿床的成矿地质特征,研究地层、构造和岩浆活动对矿化的控制作用,以遥感技术为主要手段,综合利用物探、化探等资料,运用适合于现有资料水平的方法进行成矿远景区划分,对研究区开展成矿地质背景、控矿地质条件、矿化特征等方面与遥感影像图的对照研究,为遥感图像解译工作及后续的遥感找矿工作提供参考.     

基于支持向量机的遥感图像分类研究

支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的新型机器学习算法.通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.将支持向量机理论应用到遥感图像分类的研究还处在初级阶段,传统分类算法应用于遥感图像分类存在运算速度慢、精度比较低和难以收敛等问题.从支持向量机基本理论出发,建立了一个基于支持向量机的遥感图像分类器.用遥感图像数据进行实验,并将结果与其它方法的结果进行了比较分析.实验结果表明,利用SVM进行遥感图像分类的精度明显优于神经网络算法和最大似然算法分类精度.