基于决策树的高光谱数据特征选择及其对分类结果的影响分析

• 作者: 李京 王圆圆
• 来源期刊: 遥感学报
• 学科: 工学
• 关键词: 决策树 高光谱 特征选择
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 技术方法
• 页码范围: 69-76
• 页数: 8页
• 分类号: TP751.1
• 字数: 6757字
• 语种: 中文
• DOI: 10.3321/j.issn:1007-4619.2007.01.010

摘要

本文利用OMIS高光谱数据,研究了决策树算法(Decision Tree,DT)特征选择的特点以及特征选择对决策树分类结果的影响.设计了三种特征选择方法:SEP,MDLM和RELIEF,将它们与DT特征选择的结果以及特征选择后的分类精度(考虑了三种分类器:最大似然法、后向传播神经网络、最邻近法)进行对比,并分析了这三种特征选择方法对决策树结构和分类精度的影响.结果显示,DT是一种比较好的特征选择方法;经过特征选择后再生成的决策树比直接生成的决策树,用到更少的特征(平均减少了43.36%)、有更多的节点(平均增加了18.61%)和更高的分类精度(平均提高了0.35%),当样本数量少时,分类精度的提高幅度最大,而树的大小却基本没有增加.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李京		3	83	3.0	3.0
2	王圆圆		1	46	1.0	1.0