...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Class-Separation-Based Rotation Forest for Hyperspectral Image Classification
【24h】

Class-Separation-Based Rotation Forest for Hyperspectral Image Classification

机译：基于分类的旋转森林用于高光谱图像分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this letter, we propose a new version of the rotation forest (RoF) method for the pixelwise classification of hyperspectral images. RoF, which is an ensemble of decision tree classifiers, uses random feature selection and data transformation techniques (i.e., principal component analysis) to improve both the accuracy of base classifiers and the diversity within the ensemble. Traditional RoF performs data transformation on the training samples of each subset. In order to further improve the performance of RoF, the data transformation is separately performed on each class, extracting sets of transformation matrices that are strictly dependent on the training samples of each single class. The approach, namely, class-separation-based RoF , is experimentally investigated on a hyperspectral image collected by Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) sensor. Experimental results demonstrate that the proposed methodology achieves excellent performances, in comparison with random forest and RoF classifiers.
机译：在这封信中，我们提出了一种新版本的旋转森林（RoF）方法，用于对高光谱图像进行像素分类。 RoF是决策树分类器的集合，它使用随机特征选择和数据转换技术（即主成分分析）来提高基本分类器的准确性和集合中的多样性。传统RoF对每个子集的训练样本执行数据转换。为了进一步提高RoF的性能，对每个类别分别进行数据转换，提取严格依赖于每个单个类别的训练样本的转换矩阵集。该方法，即基于类分离的RoF，是通过机载可见/红外成像光谱仪（AVIRIS）传感器收集的高光谱图像进行实验研究的。实验结果表明，与随机森林和RoF分类器相比，该方法具有出色的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号