结合随机森林面向对象的森林资源分类

P237; 针对森林资源分类研究较少且缺少相对简单有效的方法的情况,提出一种结合面向对象和随机森林的森林资源分类方法.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、抗噪声能力强、性能稳定等优势.鉴于此,通过调整面向对象的分割参数,构造最优特征空间及估算随机森林中决策树的数量等,构建了最优的面向对象随机森林分类模型.另外,选择了SVM算法作对比试验.试验结果显示,本文分类算法的总体精度达到83.34％,K appa系数为0.7892,明显高于SVM,能够有效提高森林资源分类的精度....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	测绘学报 2020-02, Vol.49 (2), p.235-244
Hauptverfasser:	王猛, 张新长, 王家耀, 孙颖, 箭鸽, 潘翠红
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	P237; 针对森林资源分类研究较少且缺少相对简单有效的方法的情况,提出一种结合面向对象和随机森林的森林资源分类方法.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、抗噪声能力强、性能稳定等优势.鉴于此,通过调整面向对象的分割参数,构造最优特征空间及估算随机森林中决策树的数量等,构建了最优的面向对象随机森林分类模型.另外,选择了SVM算法作对比试验.试验结果显示,本文分类算法的总体精度达到83.34％,K appa系数为0.7892,明显高于SVM,能够有效提高森林资源分类的精度.
ISSN:	1001-1595
DOI:	10.11947/j.AGCS.2020.20190272