基于属性差决策树的全极化SAR影像海冰分类

• 作者: 初佳兰 王常颖 田德政 隋毅 韩园峰
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: SAR影像 属性差 决策树 海冰分类
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 遥感应用
• 页码范围: 975-982
• 页数: 8页
• 分类号: TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2018.5.0975

摘要

全极化SAR影像往往具有多个极化属性,不同海冰类型在不同极化方式下的成像亮度通常具有明显的差异.提出了一种适合于SAR影像海冰分类的属性差决策树分类分析(SDDT)方法,即在给定n个属性特征的样本基础上,通过计算任何两个属性的属性差特征的分类能力,选择出具有最优分类能力的属性差特征及其最优分裂值,实现海冰分类决策树的构建.采用这种策略,相当于在n+C2n个属性(原始n个属性与C2n个属性差)中寻找最优分类能力的属性,不仅充分考虑了影像中原始多极化属性特征,而且增加了属性差特征的有效利用,进而提高了分类精度.另外,针对计算属性分类能力的衡量指标,在C4.5算法中提出的信息增益比GainRatio基础上,进一步考虑了分裂点的宽度△Width以及分裂点属性总宽度TotalWidth,定义了分类能力指数Classify-Ability=GainRatio*△Width/TotalWidth.实验表明:采用同样的训 练样本,应用SDDT算法挖掘出的海冰分类规则,比C4.5算法挖掘出的分类规则的检测精度至少提高10％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王常颖	青岛大学数据科学与软件工程学院	18	37	3.0	5.0
5	初佳兰		17	116	7.0	10.0
6	隋毅	青岛大学智慧城市与大数据技术研究院	14	74	4.0	8.0
7	田德政	青岛大学数据科学与软件工程学院	2	0	0.0	0.0
8	韩园峰	青岛大学数据科学与软件工程学院	2	0	0.0	0.0