基于特征空间优化的随机森林算法在GF-2影像湿地分类中的研究

• 作者: 国策 杨国东 王凤艳 詹国旗 赵强 辛秀文
• 来源期刊: 地球信息科学学报
• 关键词: GF-2影像 面向对象 随机森林 湿地分类 最优分割尺度 特征空间优化
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 遥感科学与应用技术
• 页码范围: 1520-1528
• 页数: 9页
• 语种: 中文

摘要

由于季节性的植被动态和水文波动,湿地遥感影像分类常常比较困难.本文采用优化特征空间的随机森林算法(Ran-dom Forest)对吉林省白城市通榆县东部地区预处理后的GF-2影像进行湿地分类研究,具体分为2步:①对研究区遥感影像进行多尺度分割和对象特征的提取.针对一些学者获取最佳分割尺度时仍受主观因素影响较大的情况,本文通过改进全局最优分割方法来获得最佳分割尺度.②在最优分割的基础上,基于特征重要性对随机森林分类算法的特征空间进行优化,以得到最佳的随机森林分类结果,并与相同条件下(同数据、同分割尺度、同训练样本,同特征空间)的K-NN、SVM、CART 3种算法以及未优化特征空间的RF算法的分类结果进行了比较.结果表明,基于优化特征空间的RF算法的分类结果总精度和Kappa系数分别为93.038％和0.9177,而K-NN、SVM和CART 3种分类算法的分类结果的总精度分别为83.357％、78.068％、77.136％,未优化特征空间的RF算法分类结果总精度为90.937％.相较于K-NN、SVM、CART 3种分类算法,RF算法在GF-2湿地影像数据中具有更好的分类性能,同时优化特征空间的RF算法精度有所提高,在湿地资源管理中可以发挥非常重要的作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨国东	吉林大学地球探测科学与技术学院	84	982	15.0	28.0
2	王凤艳	吉林大学地球探测科学与技术学院	49	601	13.0	24.0
3	赵强	吉林大学地球探测科学与技术学院	21	85	6.0	8.0
4	詹国旗	吉林大学地球探测科学与技术学院	4	17	2.0	4.0
5	国策	吉林大学地球探测科学与技术学院	3	20	2.0	3.0
6	辛秀文	吉林大学地球探测科学与技术学院	1	14	1.0	1.0