排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
随机森林在高光谱遥感数据中降维与分类的应用 总被引:2,自引:0,他引:2
高光谱数据的特征数目庞大,而且波段之间存在冗余信息,对高光谱数据进行分类的成本较高,因此需要提取合适的特征达到提高效率的目的.随机森林作为一种热门算法,广泛应用于各种分类、特征选择等问题中,均取得了良好的效果.本文选择北京小汤山农业试验区的OMIS高光谱影像作为研究数据,利用随机森林算法计算每个特征的重要性指标并对其排序,针对面向精度和效率的特征选择策略,使用RF-RFE波段选择方法去除价值低的特征分别得到最佳波段组合,实现高光谱数据降维,进行随机森林、支持向量机分类.实验结果表明随机森林分类精度为72.82%,SVM分类精度为65.21%,随机森林分类器优于SVM,是一种较好的高光谱数据分类器. 相似文献
2.
采用最大熵(MaxEnt)生态位模型,结合前胡和紫花前胡大量已有的地理分布数据,基于20个环境变量对其在中国的潜在分布区进行了预测.结果表明:最冷季度平均温度,最冷月最低温和最干季度平均温度为前胡分布限制性因子.而对紫花前胡影响最大的环境因子为最干月降水量,最冷季度平均温度和昼夜温差月均值.预测结果显示,前胡和紫花前胡的潜在分布区比现实分布区更广泛,其中中国秦岭地区、浙江省、湖南省等部分山区为其最佳适生区(适生指数0.71).在台湾、甘肃和西藏等地区分布的差异能为在地域上分辨两者提供理论依据.随着野生资源减少和中药材前胡和紫花前胡需求量的增加,在该地区进行栽培是增加产量,保护野生资源多样性的可行途径. 相似文献
3.
MaxEnt模型下的外来入侵种香丝草在中国的潜在分布区预测 总被引:1,自引:0,他引:1
本研究基于生态位模型(MaxEnt),在大量已有居群分布点数据的基础上对香丝草(Conyza bonariensis)在中国的潜在分布区域进行了预测.结果表明:最冷季度平均温度、年均温、最冷月最低温、最干季度平均温度、干月降水量和最干季度降水量这6个环境因子对香丝草分布预测的影响最大;除新疆、青海、内蒙古、宁夏、黑龙江、吉林和辽宁省之外,其他地区均被预测为香丝草的适生区.目前,香丝草的潜在入侵区仍大于实际分布区,因此,预测该物种还将会进一步扩散;四川西部、云南南部、陕西北部、山东西北部、山西北部和甘肃及河北的大部分地区非常靠近已经被入侵的区域,应引起相关机构的重视,防止其进一步入侵. 相似文献
4.
四川雅江格西沟国家级自然保护区草本植物资源研究 总被引:1,自引:0,他引:1
为了解四川雅江县格西沟自然保护区的草本植物资源特征,并为该保护区的植物多样性保护提供科学参考和依据,通过野外实地调查,结合文献资料搜索查询的方法,对格西沟自然保护区的草本植物资源进行分析.格西沟自然保护区有草本植物74科331属836种,主要划分为观赏、药用、可食用、工业用、蜜源植物、有毒植物和饲料植物,保护价值极高.格西沟自然保护区内拥有极为丰富的草本植物资源,需要广泛的关注,应加大对保护区各类草本植物资源的保护. 相似文献
5.
1