随机森林在高光谱遥感数据中降维与分类的应用

• 作者: 张锦水 朱秀芳 杨珺雯 袁周米琪 谢登峰
• 来源期刊: 北京师范大学学报（自然科学版）
• 学科: 工学
• 关键词: OMIS 高光谱 随机森林 RF-RFE 降维 波段选择 分类
• 年，卷（期）: 2015,（z1）
• 页码范围: 82-88
• 分类号: TP751
• 语种: 中文
• DOI: 10.16360/j.cnki.jbnuns.2015.s1.013

摘要

高光谱数据的特征数目庞大,而且波段之间存在冗余信息,对高光谱数据进行分类的成本较高,因此需要提取合适的特征达到提高效率的目的.随机森林作为一种热门算法,广泛应用于各种分类、特征选择等问题中,均取得了良好的效果.本文选择北京小汤山农业试验区的OMIS高光谱影像作为研究数据,利用随机森林算法计算每个特征的重要性指标并对其排序,针对面向精度和效率的特征选择策略,使用RF-RFE波段选择方法去除价值低的特征分别得到最佳波段组合,实现高光谱数据降维,进行随机森林、支持向量机分类.实验结果表明随机森林分类精度为72.82％,SVM分类精度为65.21％,随机森林分类器优于SVM,是一种较好的高光谱数据分类器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张锦水	北京师范大学资源学院	49	1151	16.0	33.0
5	朱秀芳	北京师范大学资源学院	49	664	13.0	24.0
9	杨珺雯	北京师范大学资源学院	4	45	3.0	4.0
10	谢登峰	北京师范大学资源学院	4	112	4.0	4.0