面向对象随机森林方法在湿地植被分类的应用

摘要：

针对湿地植被精细分类的研究较少、分类精度不高的问题,提出了面向对象随机森林湿地植被分类方法.面向对象分割技术可减少“椒盐效应”,随机森林分类算法具有高准确度、抗噪能力强、性能稳定等优势.鉴于此,通过调整面向对象的分割参数与随机森林中树的深度、个数等,构建了最优的面向对象随机森林分类模型.另外,选择了支持向量机分类算法和决策树分类算法作对比实验.实验结果显示,面向对象随机森林分类算法的总体精度达到88.3％,明显高于支持向量机算法和决策树算法,能够有效提高湿地植被分类的精度.

关键词：随机森林、湿地植被、面向对象、分类、高精度

所属期刊栏目：33

分类号：TP231(自动化技术及设备)

资助基金：国家自然科学基金重点项目41330750;国家自然科学基金面上项目41371406

在线出版日期：2018-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：111-116