机器学习法在面向对象影像分类中的对比分析

• 作者: 贾莹 赵丹平 顾海燕
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 面向地理对象影像分类 地表覆盖分类 地理国情普查 多尺度分割 特征重要性分析 决策树 支持向量机 随机森林
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 应用研究
• 页码范围: 181-186
• 页数: 6页
• 分类号: P208
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2016.10.036

摘要

针对如何选择遥感影像面向地理对象分类方法的问题,该文面向地理国情普查中的地表覆盖分类应用,以3个典型区域(山区、平原、城区)的多源高分辨率遥感影像为实验数据,从分类效果、分类精度等方面对比分析3种分类方法(支持向量机、决策树、随机森林)的优劣.在相同影像分割、特征提取、样本采集条件下,通过333组分类实验,得出以下规律:支持向量机分类方法稳定性强,分类速度快,但对特征数的要求高,特征数目与总体精度、地物环境之间的规律性不强,从而增加了特征提取与选择的难度,而随着特征的增加,决策树、随机森林的总体分类精度均为先升高后降低,最后趋于平衡.最后,综合随机森林对特征的优选机制和支持向量机的高分类精度,得到新的组合分类器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾海燕		27	498	12.0	22.0
2	赵丹平		1	18	1.0	1.0
3	贾莹		2	54	2.0	2.0