改进的随机森林及其在遥感图像中的应用

被引：10

作者：

姚明煌

骆炎民

机构：

[1] 华侨大学计算机科学与技术学院

来源：

计算机工程与应用 | 2016年 / 52卷 / 04期

关键词：

遥感图像; 随机森林; 决策树; 相关性; 人工免疫;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

对于遥感图像训练样本获取难的问题,引入适用于小样本分类的随机森林算法。为了随机森林能在小样本情况下有更优的分类效果和更高的稳定性,在决策树基础上提出了一种更加随机的特征组合的方法,降低了决策树之间的相关性,从而降低了森林的泛化误差;引入人工免疫算法来对改进后的随机森林进行压缩优化,很好地权衡了森林规模和分类稳定性、精度的矛盾。通过UCI数据集的实验表明,改进的随机森林的有效性及其优化的模型的可行性,优化后森林的规模降低了,且有更高的分类精度。在遥感图像上与传统的方法进行了对比。

引用

页码：168 / 173

页数：6

共 8 条

[1]

Tree species classification in the Southern Alps based on the fusion of very high geometrical resolution multispectral/hyperspectral images and LiDAR data[J] . Michele Dalponte,Lorenzo Bruzzone,Damiano Gianelle.Remote Sensing of Environment . 2012

[2]

An assessment of the effectiveness of a random forest classifier for land-cover classification[J] . V.F. Rodriguez-Galiano,B. Ghimire,J. Rogan,M. Chica-Olmo,J.P. Rigol-Sanchez.ISPRS Journal of Photogrammetry and Remote Sensing . 2011

[3] Extremely randomized trees [J].