| 随机森林在高光谱遥感数据中降维与分类的应用 |
| |
| 引用本文： | 杨珺雯,张锦水,朱秀芳,谢登峰,袁周米琪. 随机森林在高光谱遥感数据中降维与分类的应用[J]. 北京师范大学学报(自然科学版), 2015, 51(z1): 82-88. DOI: 10.16360/j.cnki.jbnuns.2015.s1.013 |
| |
| 作者姓名： | 杨珺雯 张锦水 朱秀芳 谢登峰 袁周米琪 |
| |
| 作者单位： | 北京师范大学资源学院,100875,北京;北京师范大学资源学院,100875,北京;北京师范大学地表过程与资源生态国家重点实验室,100875,北京 |
| |
| 基金项目： | 国家自然科学基金资助项目(41301444)，国家高分辨率对地观测系统重大基金资助项目(民用部分)，北京高等学校“青年英才计划”基金资助项目，北京市自然科学基金资助项目(8144052) |
| |
| 摘 要： | 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.
|
| 关 键 词： | OMIS 高光谱 随机森林 RF-RFE 降维 波段选择 分类 |
Random forest applied for dimension reduction and classification in hyperspectral data |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
