多分类器组合森林类型精细分类

摘要：

针对高光谱遥感数据树种识别精度不高,现有多分类器组合策略难以避免人为因素干扰的问题,利用自适应权值模型组合2种机器学习算法,有效改善森林类型精细识别精度.研究综合利用影像的光谱和纹理特征、地形特征及森林类型外业调查样本数据,采用分层分类的策略,分别利用支撑向量机(support vector machine,SVM)和随机森林算法(random forest classifier,RFC)对森林类型进行精细识别;为进一步提高森林类型识别精度,采用自适应权值组合模型综合2种分类器,并采用分层随机抽样的独立检验样本进行精度验证.结果表明,自适应权值组合模型可综合不同分类器的优势,避免人为因素干扰且提高识别精度和稳定性,对高分五号(GF-5)星载高光谱遥感数据应用具有借鉴意义和参考价值.

关键词：Hyperion、支持向量机、随机森林、自适应权值、分层分类、森林类型分类、高光谱

所属期刊栏目：34

分类号：TP751(遥感技术)

资助基金：浙江省省院合作林业科技项目2017SY04;高分辨率对地观测系统重大专项30-Y20A37-9003-15/17-3;国家自然科学基金31370635

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：104-112