学术论文

      随机森林在高光谱遥感数据中降维与分类的应用

      Random forest applied for dimension reduction and classification in hyperspectral data

      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.
      作者: 杨珺雯 [1] 张锦水 [2] 朱秀芳 [2] 谢登峰 [2] 袁周米琪 [2]
      Author: YANG Junwen [1] ZHANG Jinshui [2] ZHU Xiufang [2] XIE Dengfeng [2] YUAN Zhoumiqi [2]
      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
      年,卷(期): 2015, 51(z1)
      分类号: TP751
      在线出版日期: 2015年12月30日