10.14067/j.cnki.1673-923x.2020.03.001
基于特征选择的TLS蒙古栎人工林点云分类研究
[目的]针对点云分类过程中多依据经验盲目构造特征的问题,本研究提出使用基于xgboost的特征选择弥补上述不足.[方法]本研究的数据为地面激光雷达扫描获得的蒙古栎人工林数据.本研究考虑构造适当的特征训练分类器将TLS点云快速分离为地面、树干与枝叶3个类别.在分类过程中,先在训练集中逐点搜索100个近邻构造19个特征,然后使用这些特征训练xgboost分类器,并依据控制分类器节点分裂的特征频率获得特征重要性.获得特征重要性之后将特征按重要性做降序排列,并依据该序列依次增加特征数量训练xgboost.因为构造了19个特征,所以在上述训练分类器的过程中可获得19个关于特征重要性的分类器模型.依次将上述模型应用于测试集的分类,在保证分类器性能的情况下,依据测试集的表现选择了前6个特征,从而实现了TLS点云分类的特征选择.[结果]使用基于特征选择获得的6个特征与依据经验构造的19个特征训练分类器的测试准确率分别为0.9548与0.9562.相较于使用19个特征,使用6个特征的分类器性能仅降低了0.0014.在训练集与测试集中计算6个特征用时分别占计算19个特征用时的53.13%与54.33%.[结论]结果表明特征选择策略可有效提高特征计算效率,而且在保证分类器性能的前提下可以避免特征构造的盲目性.
地面激光雷达、特征选择、点云分类、蒙古栎
生态学
S771.8(森林工程、林业机械)
国家重点研发计划项目2017YFD060090402
2020-04-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-7