利用随机森林的高分一号遥感数据进行城市用地分类
本文选题:随机森林 切入点:城市用地 出处:《测绘通报》2016年05期
【摘要】:为了探究国产高分一号卫星遥感影像数据面向城市用地分类的实际应用方法和效果,本文以北京市某区域为例,基于高分一号PMS数据,使用随机森林、支持向量机、最大似然法3种分类器进行了城市用地分类对比研究。结果表明,随机森林和支持向量机的总体分类精度明显优于最大似然法;最大似然法在运算时间上明显优于随机森林和支持向量机。综合分析发现,随机森林算法表现更优。它既能保证分类精度,又能保持一定的时间效率,更适合高分辨率、大数据量、多特征参数的高分一号遥感影像分类的实际生产应用。
[Abstract]:In order to explore the practical application method and effect of the domestic high score 1 satellite remote sensing image data facing the urban land classification, this paper takes a certain area of Beijing as an example, based on the high score 1 PMS data, uses the random forest, the support vector machine, The results show that the total classification accuracy of stochastic forest and support vector machine is better than that of maximum likelihood method. The maximum likelihood method is obviously superior to the random forest and support vector machine in computing time. Comprehensive analysis shows that the stochastic forest algorithm performs better. It can not only guarantee the classification accuracy, but also maintain a certain time efficiency, which is more suitable for high resolution. The practical application of high-score 1 remote sensing image classification with large amount of data and multi-feature parameters.
【作者单位】: 中国科学院遥感与数字地球研究所;中国科学院大学;
【基金】:国家自然科学基金青年科学基金(41201397)
【分类号】:P237
【相似文献】
相关期刊论文 前10条
1 张启敏,聂赞坎;随机森林发展系统解的存在性和唯一性(英文)[J];应用数学;2003年04期
2 李建更;高志坤;;随机森林:一种重要的肿瘤特征基因选择法[J];生物物理学报;2009年01期
3 袁敏;胡秀珍;;随机森林方法预测膜蛋白类型[J];生物物理学报;2009年05期
4 方匡南;吴见彬;朱建平;谢邦昌;;随机森林方法研究综述[J];统计与信息论坛;2011年03期
5 方正;李益洲;肖嘉敏;李功兵;文志宁;李梦龙;;基于复杂网络的随机森林算法预测氨基酸突变对蛋白质稳定性的影响(英文)[J];化学研究与应用;2011年05期
6 王象刚;;基于K均值随机森林快速算法及入侵检测中的应用[J];科技通报;2013年08期
7 曹正凤;谢邦昌;纪宏;;一种随机森林的混合算法[J];统计与决策;2014年04期
8 张光亚;方柏山;;基于氨基酸组成分布的嗜热和嗜冷蛋白随机森林分类模型[J];生物工程学报;2008年02期
9 马景义;吴喜之;谢邦昌;;拟自适应分类随机森林算法[J];数理统计与管理;2010年05期
10 李贞子;张涛;武晓岩;李康;;随机森林回归分析及在代谢调控关系研究中的应用[J];中国卫生统计;2012年02期
相关会议论文 前7条
1 谢程利;王金桥;卢汉清;;核森林及其在目标检测中的应用[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
2 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年
3 张天龙;梁龙;王康;李华;;随机森林结合激光诱导击穿光谱技术用于的钢铁分类[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
4 相玉红;张卓勇;;组蛋白去乙酰化酶抑制剂的构效关系研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
6 冯飞翔;冯辅周;江鹏程;刘菁;刘建敏;;随机森林和k-近邻法在某型坦克变速箱状态识别中的应用[A];第八届全国转子动力学学术讨论会论文集[C];2008年
7 曹东升;许青松;梁逸曾;陈宪;李洪东;;组合树的集合体和后向消除策略去分类P-糖蛋白化合物[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
相关博士学位论文 前4条
1 曹正凤;随机森林算法优化研究[D];首都经济贸易大学;2014年
2 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年
3 岳明;基于随机森林和规则集成法的酒类市场预测与发展战略[D];天津大学;2008年
4 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
相关硕士学位论文 前10条
1 钱维;药品不良反应监测中随机森林方法的建立与实现[D];第二军医大学;2012年
2 韩燕龙;基于随机森林的指数化投资组合构建研究[D];华南理工大学;2015年
3 贺捷;随机森林在文本分类中的应用[D];华南理工大学;2015年
4 张文婷;交通环境下基于改进霍夫森林的目标检测与跟踪[D];华南理工大学;2015年
5 李强;基于多视角特征融合与随机森林的蛋白质结晶预测[D];南京理工大学;2015年
6 朱玟谦;一种收敛性随机森林在人脸检测中的应用研究[D];武汉理工大学;2015年
7 肖宇;基于序列图像的手势检测与识别算法研究[D];电子科技大学;2014年
8 李慧;一种改进的随机森林并行分类方法在运营商大数据的应用[D];电子科技大学;2015年
9 赵亚红;面向多类标分类的随机森林算法研究[D];哈尔滨工业大学;2014年
10 黎成;基于随机森林和ReliefF的致病SNP识别方法[D];西安电子科技大学;2014年
,本文编号:1688998
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/1688998.html