利用改进SEaTH算法的面向对象分类特征选择方法

被引：32

作者：

余晓敏 ^{[1
,2
]}

湛飞并 ^{[1
]}

廖明生 ^{[3
]}

胡金星 ^{[2
]}

机构：

[1] 武汉大学资源与环境科学学院

[2] 中国科学院深圳先进技术研究院

[3] 武汉大学测绘遥感信息工程国家重点实验室

来源：

武汉大学学报(信息科学版) | 2012年 / 37卷 / 08期

关键词：

面向对象分类; 特征选择; SEaTH算法;

D O I：

10.13203/j.whugis2012.08.005

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

针对分离阈值法(SEaTH)仅从类间距离评价特征,没有考虑类内距离和特征之间相关性的不足,提出了一种改进的SEaTH算法——ISEaTH。该算法分别依据特征相关性、类间距离和类内距离对特征进行评价,然后综合利用多种评价结果获取最优的特征子集。采用新疆喀什地区的QuickBird数据进行了特征选择的实验。结果表明,该方法不但能降低特征维数,有效优化特征空间,还能提高分类精度。

引用

页码：921 / 924

页数：4

共 9 条

[1]

基于Bayes错误率上界最小的特征选择算法的研究.[D].张振平.同济大学.2006, 08

[2] 利用ReliefFO和海明遗传算法的面向对象分类特征选择算法 [J].