结合随机森林面向对象的森林资源分类

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!
container_end_page 244
container_issue 2
container_start_page 235
container_title 测绘学报
container_volume 49
creator 王猛
张新长
王家耀
孙颖
箭鸽
潘翠红
description 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.
doi_str_mv 10.11947/j.AGCS.2020.20190272
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_chxb202002010</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>chxb202002010</wanfj_id><sourcerecordid>chxb202002010</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1000-c2d08a4da67b25ccda60ef1a00f314ab790adfcc700ff9f41152b4a4f9a6f7733</originalsourceid><addsrcrecordid>eNotT71KA0EY3ELBEPMIlpZ3ft_-ZN0yHBqFgEW0Dt_tZdUgJ3iIPkCQdJ5YCCEKxl5JYWHyPHeXvIUrEYaZYYoZhrEdhBDRSL03CFvtqBty4OAJDXDNN1gNATBAZdQWa2TZZQygpNBKmBoT1eK5yEer8WM5mZcfn-Xby-p1WuRPxdfPcvZejYfrcPk9LOd5MXqoZotttunoKus3_rXOzg4PTqOjoHPSPo5anSDzgxBYnsA-yYSaOubKWm-g75AAnEBJsTZAibNW-8AZJxEVjyVJZ6jptBaiznbXvXeUOkrPe4Pr25vUL_bsxX38d9IDQfwC5AxZEg</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>结合随机森林面向对象的森林资源分类</title><source>Elektronische Zeitschriftenbibliothek - Frei zugängliche E-Journals</source><creator>王猛 ; 张新长 ; 王家耀 ; 孙颖 ; 箭鸽 ; 潘翠红</creator><creatorcontrib>王猛 ; 张新长 ; 王家耀 ; 孙颖 ; 箭鸽 ; 潘翠红</creatorcontrib><description>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.</description><identifier>ISSN: 1001-1595</identifier><identifier>DOI: 10.11947/j.AGCS.2020.20190272</identifier><language>chi</language><publisher>河南大学环境与规划学院,河南 开封 475004%中山大学地理科学与规划学院,广东广州,510275</publisher><ispartof>测绘学报, 2020-02, Vol.49 (2), p.235-244</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/chxb/chxb.jpg</thumbnail><link.rule.ids>314,776,780,27901,27902</link.rule.ids></links><search><creatorcontrib>王猛</creatorcontrib><creatorcontrib>张新长</creatorcontrib><creatorcontrib>王家耀</creatorcontrib><creatorcontrib>孙颖</creatorcontrib><creatorcontrib>箭鸽</creatorcontrib><creatorcontrib>潘翠红</creatorcontrib><title>结合随机森林面向对象的森林资源分类</title><title>测绘学报</title><description>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.</description><issn>1001-1595</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2020</creationdate><recordtype>article</recordtype><recordid>eNotT71KA0EY3ELBEPMIlpZ3ft_-ZN0yHBqFgEW0Dt_tZdUgJ3iIPkCQdJ5YCCEKxl5JYWHyPHeXvIUrEYaZYYoZhrEdhBDRSL03CFvtqBty4OAJDXDNN1gNATBAZdQWa2TZZQygpNBKmBoT1eK5yEer8WM5mZcfn-Xby-p1WuRPxdfPcvZejYfrcPk9LOd5MXqoZotttunoKus3_rXOzg4PTqOjoHPSPo5anSDzgxBYnsA-yYSaOubKWm-g75AAnEBJsTZAibNW-8AZJxEVjyVJZ6jptBaiznbXvXeUOkrPe4Pr25vUL_bsxX38d9IDQfwC5AxZEg</recordid><startdate>20200201</startdate><enddate>20200201</enddate><creator>王猛</creator><creator>张新长</creator><creator>王家耀</creator><creator>孙颖</creator><creator>箭鸽</creator><creator>潘翠红</creator><general>河南大学环境与规划学院,河南 开封 475004%中山大学地理科学与规划学院,广东广州,510275</general><general>河南大学环境与规划学院,河南 开封 475004%河南省时空大数据产业技术研究院,河南 郑州450018</general><general>广州大学地理科学学院,广东 广州,510006%广州大学地理科学学院,广东 广州 510006</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20200201</creationdate><title>结合随机森林面向对象的森林资源分类</title><author>王猛 ; 张新长 ; 王家耀 ; 孙颖 ; 箭鸽 ; 潘翠红</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1000-c2d08a4da67b25ccda60ef1a00f314ab790adfcc700ff9f41152b4a4f9a6f7733</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2020</creationdate><toplevel>online_resources</toplevel><creatorcontrib>王猛</creatorcontrib><creatorcontrib>张新长</creatorcontrib><creatorcontrib>王家耀</creatorcontrib><creatorcontrib>孙颖</creatorcontrib><creatorcontrib>箭鸽</creatorcontrib><creatorcontrib>潘翠红</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>测绘学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>王猛</au><au>张新长</au><au>王家耀</au><au>孙颖</au><au>箭鸽</au><au>潘翠红</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>结合随机森林面向对象的森林资源分类</atitle><jtitle>测绘学报</jtitle><date>2020-02-01</date><risdate>2020</risdate><volume>49</volume><issue>2</issue><spage>235</spage><epage>244</epage><pages>235-244</pages><issn>1001-1595</issn><abstract>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.</abstract><pub>河南大学环境与规划学院,河南 开封 475004%中山大学地理科学与规划学院,广东广州,510275</pub><doi>10.11947/j.AGCS.2020.20190272</doi><tpages>10</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1001-1595
ispartof 测绘学报, 2020-02, Vol.49 (2), p.235-244
issn 1001-1595
language chi
recordid cdi_wanfang_journals_chxb202002010
source Elektronische Zeitschriftenbibliothek - Frei zugängliche E-Journals
title 结合随机森林面向对象的森林资源分类
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-31T04%3A05%3A20IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E7%BB%93%E5%90%88%E9%9A%8F%E6%9C%BA%E6%A3%AE%E6%9E%97%E9%9D%A2%E5%90%91%E5%AF%B9%E8%B1%A1%E7%9A%84%E6%A3%AE%E6%9E%97%E8%B5%84%E6%BA%90%E5%88%86%E7%B1%BB&rft.jtitle=%E6%B5%8B%E7%BB%98%E5%AD%A6%E6%8A%A5&rft.au=%E7%8E%8B%E7%8C%9B&rft.date=2020-02-01&rft.volume=49&rft.issue=2&rft.spage=235&rft.epage=244&rft.pages=235-244&rft.issn=1001-1595&rft_id=info:doi/10.11947/j.AGCS.2020.20190272&rft_dat=%3Cwanfang_jour%3Echxb202002010%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=chxb202002010&rfr_iscdi=true