基于随机森林算法的高维模糊分类研究

• 作者: 刘修国 张修远
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 随机森林( RF) 模糊分类 高维特征
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 技术方法
• 页码范围: 87-92
• 页数: 6页
• 分类号: TP751.1
• 字数: 4771字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2014.02.15

摘要

高光谱数据的空间分辨率普遍偏低,混合像元分布广泛,故模糊分类方法常用于此类型数据的信息提取。针对模糊分类的精度常受限于特征维数和模糊样本选取等问题,提出了基于随机森林( random forest,RF)算法的高维模糊分类方法。首先将RF算法用于特征选择和模糊样本获取,然后在低维特征空间中利用模糊样本进行模糊分类,通过2步分类、遵循假设前提一致原则,实现RF和模糊分类2种分类器的融合；并通过不同样本、不同实验区和分区优化前后的3个实验(包括20余次对比实验、60多次子实验),验证了该方法不仅提高了模糊分类的精度,具有分类的有效性和可推广性,而且具有可优化性和对原始样本质量的鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘修国	中国地质大学武汉信息工程学院	100	2396	27.0	45.0
2	张修远	中国地质大学武汉信息工程学院	1	11	1.0	1.0