基于多分类器集成的煤矿区土地利用遥感分类

被引：10

作者：

陈绍杰 ^{[1
,2
]}

李光丽 ^{[1
]}

张伟 ^{[1
]}

曹文 ^{[1
]}

机构：

[1] 中国矿业大学国土环境与灾害监测国家测绘局重点实验室

[2] 龙岩学院资源工程学院

来源：

中国矿业大学学报 | 2011年 / 40卷 / 02期

关键词：

煤矿区; 土地利用分类; 遥感; 多分类器集成;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

针对不同分类器在遥感影像分类中的应用效果,将模式识别领域的研究热点———多分类器集成,引入煤矿区土地利用遥感分类.分别以国外Landsat ETM+和国产中巴地球资源卫星(CBERS)影像为数据源,按照煤矿区土地利用分类的特点和需求,构建由支持向量机、径向基神经网络、最大似然分类器、最小距离(马氏距离)分类器、J48决策树等组成的分类器集合,基于Double Fault,WCEC,Kappa等差异性测量指标选择成员分类器,利用Bagging,Boosting、加权投票法、分类器动态选择法、分层组合分类器等分类器集成方法实现组合成员分类器输出,获得集成不同分类器优势的分类结果.试验表明:多分类器集成能够有效地提高土地利用分类精度,在煤矿区土地动态监测和生态环境分析领域具有广泛应用前景.

引用

页码：273 / 278

页数：6

共 8 条

[1] 基于多时相CBERS影像分析矿业城市景观格局变化——以徐州市为例 [J].

杜培军 ;

袁林山 ;

张华鹏 ;

谭琨 ;

尹作霞 .

中国矿业大学学报, 2009, 38 (01) :106-113

[2] 遥感影像决策级融合方法实验研究 [J].

赵书河 ;

李培军 ;

冯学智 .

测绘科学技术学报, 2007, (04) :247-250

[3] 组合分类器及其在高光谱影像分类中的应用 [J].

韩建峰 ;

杨哲海 .

测绘科学技术学报, 2007, (03) :231-234

[4] 结合多分类器的遥感数据专题分类方法研究 [J].

柏延臣 ;

王劲峰 .

遥感学报, 2005, (05) :555-563

[5] 基于多分类器决策融合的印鉴真伪鉴别方法 [J].

廖闻剑 ;

成瑜 .

南京航空航天大学学报, 2002, (04) :368-371

[6] 一种识别手写汉字的多分类器集成方法 [J].

肖旭红 ;

戴汝为 .

自动化学报, 1997, (05) :47-53

[7] Bagging predictors [J].

Breiman, L .

MACHINE LEARNING, 1996, 24 (02) :123-140

[8]

Combingmultipleclassifiers:an applicationusingspatialandremotelysensedinforma tionforlandcovertypemapping. SteeleBM. RemoteSensingof Environment . 2000

← 1 →