基于多维多粒度级联森林的高原地区云雪分类

• 作者: 刘万安 夏旻 施必成 翁理国
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 纹理特征 光学参数 云雪识别 多光谱 多维多粒度级联森林
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 2218-2223
• 页数: 6页
• 分类号: TP18
• 字数: 6272字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018010218

摘要

针对传统算法如支持向量机(SVM)、随机森林不能充分利用卫星图像的纹理特征和光学参数的问题,提出一种基于多维多粒度级联森林(M-gcForest)的方法进行准确又快速的云雪识别.首先,根据单光谱和多光谱图像之间的差异性,选择SVM、随机森林、卷积神经网络(CNN)、多粒度级联森林(gcForest)在单光谱卫星图像上进行云雪识别;然后,通过定量分析各算法在单光谱图像上的性能,选择CNN和M-gcForest进行多光谱云雪识别;最后,利用改进的M-gcForest对HJ-1A/1B多光谱卫星图像进行预测.实验结果表明,与CNN相比,M-gcForest在多光谱数据集上的测试准确率提升了0.32％,训练耗时减少了91.2％,测试耗时减少了53.7％.因此,该算法在实时而准确的雪灾监测任务中具有实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏旻	南京信息工程大学信息与控制学院	25	102	7.0	8.0
2	翁理国	南京信息工程大学信息与控制学院	14	38	4.0	5.0
3	施必成	南京信息工程大学信息与控制学院	5	11	2.0	3.0
4	刘万安	南京信息工程大学信息与控制学院	2	3	1.0	1.0