基于XGBoost特征选取和迭加权相关权重矩阵的高分五号遥感影像变化检测

• 作者: 尹峰 张杨熙 魏立飞 黄庆彬
• 来源期刊: 湖北大学学报（自然科学版）
• 学科: 工学
• 关键词: 高分五号(GF-5) 高光谱 变化检测 迭加权相关权重矩阵(IR-CWM) 极端梯度提升树(XGBoost)
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 地理学与环境科学
• 页码范围: 398-403,410
• 页数: 7页
• 分类号: TP751
• 字数: 4520字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2375.2020.04.007

摘要

提出一种基于迭加权相关权重矩阵(IR-CWM),使用XGBoost机器学习模型训练选取特征变化波段,训练预测变化检测结果的方法(IR-CWM-XGB).以国产高分五号(GF-5)高光谱遥感影像为数据源,经过预处理后,通过迭代加权得到迭加权相关权重矩阵(IR-CWM),然后经过XGBoost算法选取特征波段,选取随机样本进行模型训练,使用最终模型生成变化的结果.实验结果表明:本研究方法与变化矢量分析(CVA)变化检测方法、主成分变化矢量分析(PCA-CVA)变化检测方法、迭加权多元(IR-MAD)方法、卷积神经网络(CNN)等方法进行对比,本研究方法变化检测结果的Kappa系数和总体精度较高,误检率较低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏立飞	湖北大学资源环境学院	8	7	2.0	2.0
2	尹峰		9	15	2.0	3.0
3	张杨熙	湖北大学资源环境学院	2	0	0.0	0.0