一种改进的SVM决策树及在遥感分类中的应用

• 作者: 丁胜锋 姜晓林 孙劲光 李扬 陈东莉
• 来源期刊: 计算机应用研究
• 关键词: 遗传算法 K近邻 支持向量机决策树 遥感图像分类
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1146-1148,1151
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.03.095

摘要

针对遥感图像分类问题提出了一种基于遗传算法和K近邻的SVM决策树方法.算法以基于类分布的类间分离性测度为准则,利用遗传算法对传统的SVM决策树进行优化,生成最优(较优)决策树.在分类阶段,对容易分的节点利用SVM进行分类,而对可分离性差的节点采用SVM和K近邻相结合的分类方法,最终实现多类别分类.实验结果表明,与传统的分类方法相比,该算法的实验效果较好,可有效地提高遥感图像的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙劲光		158	1081	17.0	25.0
2	丁胜锋		15	64	4.0	7.0
4	李扬		9	85	4.0	9.0
7	陈东莉	中国石油抚顺石化公司石油二厂科技信息部	7	41	3.0	6.0
8	姜晓林	辽宁石油化工大学经济管理学院	3	32	2.0	3.0