基于Stacking集成机器学习法的Sentinel-1海冰分类研究

• 作者: 泥萍 唐凯 王志勇
• 来源期刊: 矿山测量
• 学科: 地球科学
• 关键词: 反向神经网络 随机森林 轻量级梯度提升机 Stacking 集成机器学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: "3S"技术
• 页码范围: 70-77
• 页数: 8页
• 分类号: P237
• 语种: 中文
• DOI: 10.3969/j.issn.1001-358X.2022.01.016

摘要

随着海冰监测需求的不断扩大,合成孔径雷达数据逐渐成为海冰遥感监测的重要数据,但现阶段用于雷达海冰监测的机器学习方法普遍精度不高且鲁棒性较低.针对上述问题,对Sentinel-1影像数据提取多种影像纹理特征,然后将轻量级梯度提升机、随机森林与深度置信神经网络通过Stacking方法集成后对海冰进行监测,并检验其精度.实验结果表明,相较于单一机器学习器,Stacking集成学习器具有更高的分类精度,证明集成学习可以提高海冰分类精度.