基于随机森林的大姚县TM遥感影像分类研究

被引:18
作者
王栋
岳彩荣
田传召
范怀刚
王跃辉
机构
[1] 西南林业大学林学院
关键词
随机森林; 遥感影像; 分类精度; 大姚县;
D O I
暂无
中图分类号
S771.8 [森林遥感];
学科分类号
1404 ;
摘要
随机森林(Random Forest)是一种组合多棵决策树分类器的新的分类算法。以楚雄州大姚县为例,采用Landsat-TM数据,通过最大似然、支持向量机、随机森林3种分类器进行分类对比研究。结果表明,支持向量机和随机森林的分类精度明显优于最大似然法,两者分类精度相差不大;在分类时间上,最大似然法明显比随机森林和支持向量机快,支持向量机最慢。综合分析,随机森林算法表现更优,它在保证分类精度的前提下,也能保证一定的时间效率,更适宜实际生产应用。
引用
收藏
页码:1 / 5
页数:5
相关论文
共 10 条
  • [1] 基于随机森林的国产小卫星遥感影像分类研究
    刘毅
    杜培军
    郑辉
    夏俊士
    柳思聪
    [J]. 测绘科学, 2012, (04) : 194 - 196
  • [2] 遥感影像土地利用/覆盖分类方法研究进展
    史泽鹏
    马友华
    王玉佳
    马中文
    黄勤
    黄艳艳
    [J]. 中国农学通报, 2012, 28 (12) : 273 - 278
  • [3] 遥感影像分类方法研究进展[J]. 贾坤,李强子,田亦陈,吴炳方.光谱学与光谱分析. 2011(10)
  • [4] 土地覆盖遥感分类方法的比较与分析
    陈绍杰
    单丹丹
    赵卫常
    [J]. 辽宁工程技术大学学报(自然科学版), 2010, 29 (04) : 567 - 570
  • [5] 基于支持向量机的高光谱遥感图像分类
    谭琨
    杜培军
    [J]. 红外与毫米波学报, 2008, (02) : 123 - 128
  • [6] 结合多分类器的遥感数据专题分类方法研究
    柏延臣
    王劲峰
    [J]. 遥感学报, 2005, (05) : 555 - 563
  • [7] 数据挖掘导论[M]. 人民邮电出版社 , (美)Pang-NingTan, 2006
  • [8] 遥感应用分析原理与方法[M]. 科学出版社 , 赵英时等编著, 2003
  • [9] 遥感导论[M]. 高等教育出版社 , 梅安新等[编著], 2001
  • [10] Random forests
    Breiman, L
    [J]. MACHINE LEARNING, 2001, 45 (01) : 5 - 32