【摘要】：集成方法具有泛化性能強穩(wěn)定性高的特點,在復雜數(shù)據(jù)的分類中得到了有效利用。本文主要對集成方法進行研究,在此基礎(chǔ)上將集成方法應(yīng)用到遙感分類領(lǐng)域中。針對原始旋轉(zhuǎn)森林集成方法對復雜數(shù)據(jù)進行分類時產(chǎn)生的過擬合問題,提出一種改進的旋轉(zhuǎn)森林集成分類方法。首先利用旋轉(zhuǎn)森林集成方法對原始訓練集進行特征分割與特征提取,由此增強各基分類器之間的差異性,在此基礎(chǔ)上,將學習速度快的極限學習機作為基分類器對數(shù)據(jù)進行分類處理,提高模型分類的速度。進而將集成方法引入到遙感分類中,針對遙感數(shù)據(jù)非負的特點,提出一種基于神經(jīng)網(wǎng)絡(luò)集成的遙感分類方法。使用可以保留遙感影像物理信息的非負矩陣分解方法來對影像進行特征提取,然后采用極限學習機集成方法在影像上進行訓練,在集成基分類器訓練完成后,采用Q統(tǒng)計來衡量各基分類器間的差異性,選擇差異性大的分類器來進行集成,從而提高分類精度。此外,針對傳統(tǒng)分類方法只使用遙感影像的光譜特征,導致分類中會遇到“同譜異物”和“同物異譜”現(xiàn)象,提出一種多特征融合的遙感影像分類方法。首先利用Gabor變換提取出遙感影像的紋理特征,再將其與光譜特征進行融合,然后為解決遙感影像分類中有標簽訓練樣本少的特點,采用集成方法對影像進行最終的分類處理。在UCI數(shù)據(jù)和實際的遙感影像分類實驗中,所提集成方法可獲得較高的分類精度,并且泛化能力較強,說明所提方法的有效性。
【圖文】：

中選擇3000個樣本點做標記，以此為訓練集對整幅影像進行分類處理，各方法獲取的分類圖如圖2.2所示。對比各方法得到的分類圖，從圖中可以看出，Adaboost【55]方法與Rotboost[56]S法出現(xiàn)了嚴重的分類不清的現(xiàn)象，對綠化帶以及裸露土地不能識別。而對比所提方法與RF[28]S法得到的分類圖可以看出，RF-ELM方法分類圖沒有出現(xiàn)過多的噪聲點，，這也說明所提方法RF-ELM改善了 115[28]方法中的過分類現(xiàn)象，得到的分類圖整體效果更好。HWW_ ；、(a)某地開發(fā)區(qū)遙感影像 （b) Bagging[M]分類圖 （c) Adaboost[55]分類圖…mm..：—. J(d) 11?[28]分類圖 （e) Rotboost[56]分類圖 （f) RF-ELM 分類圖I :1海』開發(fā)用地U居民區(qū)I__j綠化帶！__]裸露土地圖2.2不同分類器的分類結(jié)果Fig

為更直觀的展現(xiàn)各方法在遙感影像的分類效果，將選取的10000個數(shù)據(jù)樣本點作為訓練集，對整個遙感影像進行分類，得到的分類圖如圖3.2所示。_ _ _(a)扎龍遙感影像 （b) Adaboost[55]分類圖 （c) ELlVI[52j分類圖：呡(d)Bagging[54]分類圖 （e)RFl28]分類圖 （f) NMF-ELM 分類圖=]農(nóng)用地受火區(qū)「"1水體沼澤I 鹽堿地圖3.2不同方法在扎龍遙感影像上的分類結(jié)果Fig. 3.2 Overall accuracy of Zhalong remote sensing with different methods-26 -
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP751

【參考文獻】

相關(guān)期刊論文 前9條

1 梁亮;楊敏華;李英芳;;基于ICA與SVM算法的高光譜遙感影像分類[J];光譜學與光譜分析;2010年10期

2 韓敏;劉賁;;一種改進的旋轉(zhuǎn)森林分類算法[J];電子與信息學報;2013年12期

3 ;Artificial neural network model for identifying taxi gross emitter from remote sensing data of vehicle emission[J];Journal of Environmental Sciences;2007年04期

4 刁智華;趙春江;郭新宇;陸聲鏈;;一種新的基于平衡決策樹的SVM多類分類算法[J];控制與決策;2011年01期

5 桑農(nóng);張榮;張?zhí)煨?;一類改進的最小距離分類器的增量學習算法[J];模式識別與人工智能;2007年03期

6 鄭建煒;王萬良;姚曉敏;石海燕;;張量局部Fisher判別分析的人臉識別[J];自動化學報;2012年09期

7 陳鈺楓;宗成慶;蘇克毅;;漢英雙語命名實體識別與對齊的交互式方法[J];計算機學報;2011年09期

8 張秀英;馮學智;江洪;;面向?qū)ο蠓诸惖奶卣骺臻g優(yōu)化[J];遙感學報;2009年04期

9 吳軍;王士同;趙鑫;;正負模糊規(guī)則系統(tǒng)、極限學習機與圖像分類[J];中國圖象圖形學報;2011年08期

本文編號：2527159