结合随机森林面向对象的森林资源分类

• 作者: 孙颖 张新长 潘翠红 王家耀 王猛 箭鸽
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 森林资源分类 面向对象方法 随机森林
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 235-244
• 页数: 10页
• 分类号: P237
• 字数: 7059字
• 语种: 中文

摘要

针对森林资源分类研究较少且缺少相对简单有效的方法的情况,提出一种结合面向对象和随机森林的森林资源分类方法.面向对象分割技术可减少"椒盐效应",随机森林分类算法具有高准确度、抗噪声能力强、性能稳定等优势.鉴于此,通过调整面向对象的分割参数,构造最优特征空间及估算随机森林中决策树的数量等,构建了最优的面向对象随机森林分类模型.另外,选择了SVM算法作对比试验.试验结果显示,本文分类算法的总体精度达到83.34％,K appa系数为0.7892,明显高于SVM,能够有效提高森林资源分类的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙颖	中山大学地理科学与规划学院	27	384	11.0	19.0
2	张新长	广州大学地理科学学院	8	42	3.0	6.0
4	潘翠红	广州大学地理科学学院	3	6	2.0	2.0
5	箭鸽	广州大学地理科学学院	2	0	0.0	0.0
6	王猛	广州大学地理科学学院	2	0	0.0	0.0
7	王家耀		4	12	2.0	3.0