基于特征选择和梯度提升算法的高光谱遥感地物识别

张梓童; 王恒; 高世臣; 张维

首页> 中文期刊> 《数学的实践与认识》 >基于特征选择和梯度提升算法的高光谱遥感地物识别

基于特征选择和梯度提升算法的高光谱遥感地物识别

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

高光谱遥感数据波段数目较多,且波段之间的相关性高,影响到敏感波段在地物识别中的作用,并造成大量冗余计算,降低时效.提出了一种随机森林结合递归特征消除的敏感特征选择方案,以提高高光谱遥感地物识别的精度与效率.通过RF-RFE特征选择方法得到最优特征组合,并运用LightGBM和XGBoost等提升算法来提高分类精度.在江苏省常州的茶树数据集上进行分类实验时,在原始数据上的分类精度达到了94.27%和94.45%;在特征选择出的最优特征子集上进行实验时,分类精度达到了94.40%和94.36%.实验结果表明,该方案的分类精度要优于决策树和朴素贝叶斯等传统分类算法,同时大幅减少了运算量,取得了较好的识别效果,具有一定的推广和应用价值.

著录项

来源
《数学的实践与认识》 |2019年第22期|187-196|共10页
作者
张梓童; 王恒; 高世臣; 张维;
展开▼
作者单位

1. 中国地质大学(北京)数理学院 2. 中国石油长庆油田分公司第一采油厂;

展开▼
原文格式 PDF
正文语种 chi
中图分类遥感技术的应用;人工智能理论;遥感勘探;
关键词
高光谱遥感; 特征选择; 梯度提升算法; 随机森林;

相似文献

中文文献
外文文献
专利

1. 基于RICA的高光谱遥感影像地物识别研究 [J] . 陈昀琳 . 无线互联科技 . 2022,第17期
2. 基于穷举法的高光谱遥感图像地物识别研究 [J] . 徐元进 ,胡光道 ,张献 . 武汉大学学报：信息科学版 . 2008,第2期
3. 穷举法在高光谱遥感图像地物识别中的应用 [J] . 徐元进 ,胡光道 . 四川大学学报：工程科学版 . 2007,第s1期
4. 基于SIFT和非参贝叶斯的高分辨率遥感影像地物识别算法 [J] . 王健 ,白鹤翔 ,李德玉 . 计算机科学 . 2017,第1期
5. 地物空间分布特性的高光谱遥感图像解混算法 [J] . 汤毅 ,万建伟 ,许可 . 红外与毫米波学报 . 2014,第5期
6. 基于高光谱遥感数据的城市地物识别研究——以杭州城西为例 [C] . 陶伟 ,王伟武 . 2015中国城市规划年会 . 2015
7. 基于高光谱遥感影像的城市地物目标识别算法研究 [A] . 杨帆 . 2020

基于特征选择和梯度提升算法的高光谱遥感地物识别

摘要

著录项

相似文献

相关主题

期刊订阅