基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
[目的]随着遥感技术迅猛发展,在影像解译过程中提取的信息越来越繁杂多样.为提高地物分类准确率,常加入更多的特征信息,而由此往往造成一定的信息冗余,导致分类效率甚至准确率降低.笔者利用随机森林(RF)和支持向量机(SVM)分类器,探索在遥感分类过程中保证分类精度的同时又能降低特征维度的方法.[方法]以吉林省安图县福兴林场部分区域为研究对象,利用2015年Landsat-8影像为数据源,提取光谱信息(红、绿、蓝、近红外和短波红外波段)、植被指数(NDVI、增强型植被指数、比值植被指数和裸土植被指数)、纹理(同质性、均值、二阶矩、方差、差异性、对比度、熵和相关性)和地形信息(坡度和坡向)共19个指标作为分类特征变量.以RF分类器估测的特征重要性进行特征选择为对照,分别以单个特征在RF和SVM两分类器中的分类准确率为依据进行特征选择,并对选取的特征进行主成分分析,与未做主成分分析的进行区分,再分别用RF和SVM分类器进行分类,评价分类精度,确定最优特征和分类器组合.[结果]①基于SVM单个特征分类准确率选取特征,对选取的特征进行主成分分析,再用RF进行分类,该方法与其他方法相比分类性能最好,当特征维度为5时,总体精度为0.86,Kappa系数为0.83;与输入全部特征进行分类相比,不仅提高了分类精度,而且降低了特征维度,使分类效率得以提升.基于RF特征重要性选取特征的RF分类取得了较高的分类准确率,但特征维数小于7时,分类准确率波动较大;在特征维数为4时分类准确率增至最大值(0.88),随后骤降为0.83,之后基本保持在此水平.而基于单个特征分类准确率选取特征,分类准确率变化较为平缓,如上所提最优分类性能方法的分类准确率波动范围基本在0.02.②基于单个特征在RF和SVM分类器中的分类准确率进行特征选择,在随后的分类过程中,SVM分类器分类精度总体高于RF.基于RF单个特征分类准确率选取特征的SVM分类,及基于SVM单个特征分类准确率选取特征并对选取特征进行主成分分析的RF分类,较仅利用SVM或RF单个分类器选取特征并分类的分类准确率更高.[结论]①基于单个特征分类准确率的特征选择方法,可在保证分类精度的同时降低特征维度,且在较低维度时,基于该方法选取特征的分类精度较基于特征重要性选取特征的分类精度更稳定.②基于单个特征分类准确率进行特征选择,不同分类器选取的特征有所差异,分类准确率也不同,利用多个分类器较单个分类器选取特征并分类的性能更好.③在中低维度时,RF分类器的分类准确率可能与特征输入顺序有关,对输入特征进行主成分分析有利于提高分类器的分类精度及稳定性.
推荐文章
基于音频特征的乐器分类研究
乐器分类
音频特征
MFCC
Relief算法
特征提取
结合ReliefF与支持向量机的特征选择方法研究
特征选择
ReliefF
支持向量机
电能质量扰动分类中特征选择问题的研究
电能质量(PQ)
模式识别
特征选择
分支定界算法
遗传算法
基于模糊熵特征选择算法的SVM在漏洞分类中的研究
模糊熵
支持向量机
漏洞特征
漏洞文本
特征选择
漏洞分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于单个特征分类准确率的特征选择方法研究
来源期刊 南京林业大学学报(自然科学版) 学科 农学
关键词 特征选择 单个特征分类准确率 Landsat-8卫星 随机森林(RF) 支持向量机(SVM) 遥感分类
年,卷(期) 2019,(4) 所属期刊栏目 研究论文
研究方向 页码范围 109-116
页数 8页 分类号 S757.2|TP751
字数 语种 中文
DOI 10.3969/j.issn.1000-2006.201807059
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘美爽 东北林业大学工程技术学院 41 210 8.0 12.0
2 孟春 东北林业大学工程技术学院 33 248 9.0 14.0
3 杜学惠 东北林业大学工程技术学院 3 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (311)
共引文献  (321)
参考文献  (20)
节点文献
引证文献  (2)
同被引文献  (14)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(4)
  • 参考文献(0)
  • 二级参考文献(4)
1987(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(8)
  • 参考文献(0)
  • 二级参考文献(8)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(19)
  • 参考文献(1)
  • 二级参考文献(18)
2002(18)
  • 参考文献(0)
  • 二级参考文献(18)
2003(21)
  • 参考文献(0)
  • 二级参考文献(21)
2004(17)
  • 参考文献(0)
  • 二级参考文献(17)
2005(20)
  • 参考文献(0)
  • 二级参考文献(20)
2006(14)
  • 参考文献(0)
  • 二级参考文献(14)
2007(19)
  • 参考文献(2)
  • 二级参考文献(17)
2008(21)
  • 参考文献(1)
  • 二级参考文献(20)
2009(13)
  • 参考文献(0)
  • 二级参考文献(13)
2010(15)
  • 参考文献(0)
  • 二级参考文献(15)
2011(24)
  • 参考文献(1)
  • 二级参考文献(23)
2012(19)
  • 参考文献(1)
  • 二级参考文献(18)
2013(15)
  • 参考文献(2)
  • 二级参考文献(13)
2014(21)
  • 参考文献(3)
  • 二级参考文献(18)
2015(14)
  • 参考文献(1)
  • 二级参考文献(13)
2016(19)
  • 参考文献(4)
  • 二级参考文献(15)
2017(3)
  • 参考文献(2)
  • 二级参考文献(1)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征选择
单个特征分类准确率
Landsat-8卫星
随机森林(RF)
支持向量机(SVM)
遥感分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京林业大学学报(自然科学版)
双月刊
1000-2006
32-1161/S
大16开
南京市龙蟠路159号南京林业大学
28-16
1958
chi
出版文献量(篇)
4299
总下载数(次)
8
总被引数(次)
67156
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导