本文關鍵詞： 隨機森林 參數(shù)優(yōu)化 遺傳算法 網(wǎng)格法 土地覆蓋分類　出處：《測繪科學》2017年02期 　論文類型：期刊論文

【摘要】：針對隨機森林算法進行土地覆蓋分類時無法確定參數(shù)組合以得到最優(yōu)分類結果的問題,該文提出了兩種隨機森林算法的參數(shù)優(yōu)化方法。以北京市昌平區(qū)為研究區(qū),應用Landsat TM影像,實現(xiàn)了基于光譜值、紋理特征和專題特征的隨機森林土地覆蓋分類。采用改進網(wǎng)格法和遺傳算法對隨機森林算法的參數(shù)進行選擇與優(yōu)化,比較了改進的網(wǎng)格法和遺傳算法方法找到的參數(shù)組合最優(yōu)解,并將優(yōu)化參數(shù)后的隨機森林算法與傳統(tǒng)的最大似然法及未經(jīng)參數(shù)優(yōu)化的隨機森林算法對比。實驗結果驗證了隨機森林算法在土地覆蓋分類上的適用性和穩(wěn)定性,且該文提出的基于參數(shù)優(yōu)化的隨機森林算法能得到更高的分類精度。
[Abstract]:When land cover classification is carried out by stochastic forest algorithm, the parameter combination can not be determined to get the optimal classification result. In this paper, two methods for parameter optimization of stochastic forest algorithm are proposed. The spectral value is realized by using Landsat TM image in Changping district of Beijing. Random forest land cover classification based on texture feature and thematic feature. The parameters of stochastic forest algorithm are selected and optimized by improved grid method and genetic algorithm. The optimal solution of parameter combination found by improved grid method and genetic algorithm is compared. By comparing the optimized stochastic forest algorithm with the traditional maximum likelihood method and the unparameterized stochastic forest algorithm, the experimental results verify the applicability and stability of the stochastic forest algorithm in land cover classification. The proposed stochastic forest algorithm based on parameter optimization can achieve higher classification accuracy.
【作者單位】： 中國石油集團東方地球物理勘探有限責任公司;中國地質大學(北京)信息工程學院;
【基金】：國家自然科學基金項目(41371347) 中央高�；究蒲袠I(yè)務費專項資金項目(2-9-2013-084)
【分類號】：P237
【正文快照】： 2.中國地質大學(北京)信息工程學院,北京100083)0引言遙感影像分類作為遙感影像應用的基礎,在遙感影像的應用和分析中具有重要意義。但是由于遙感影像蘊含的信息豐富,呈現(xiàn)地物的幾何形態(tài)本身具有復雜性,目前的遙感影像分類方法大多不能對所有的影像都取得令人滿意的結果。且影

【相似文獻】

相關期刊論文 前10條

1 張啟敏,聶贊坎;隨機森林發(fā)展系統(tǒng)解的存在性和唯一性(英文)[J];應用數(shù)學;2003年04期

2 李建更;高志坤;;隨機森林:一種重要的腫瘤特征基因選擇法[J];生物物理學報;2009年01期

3 袁敏;胡秀珍;;隨機森林方法預測膜蛋白類型[J];生物物理學報;2009年05期

4 方匡南;吳見彬;朱建平;謝邦昌;;隨機森林方法研究綜述[J];統(tǒng)計與信息論壇;2011年03期

5 方正;李益洲;肖嘉敏;李功兵;文志寧;李夢龍;;基于復雜網(wǎng)絡的隨機森林算法預測氨基酸突變對蛋白質穩(wěn)定性的影響(英文)[J];化學研究與應用;2011年05期

6 王象剛;;基于K均值隨機森林快速算法及入侵檢測中的應用[J];科技通報;2013年08期

7 曹正鳳;謝邦昌;紀宏;;一種隨機森林的混合算法[J];統(tǒng)計與決策;2014年04期

8 張光亞;方柏山;;基于氨基酸組成分布的嗜熱和嗜冷蛋白隨機森林分類模型[J];生物工程學報;2008年02期

9 馬景義;吳喜之;謝邦昌;;擬自適應分類隨機森林算法[J];數(shù)理統(tǒng)計與管理;2010年05期

10 李貞子;張濤;武曉巖;李康;;隨機森林回歸分析及在代謝調控關系研究中的應用[J];中國衛(wèi)生統(tǒng)計;2012年02期

相關會議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標檢測中的應用[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學討論會論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機森林結合激光誘導擊穿光譜技術用于的鋼鐵分類[A];中國化學會第29屆學術年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉嬓шP系研究[A];第十一屆全國計算（機）化學學術會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機森林回歸分析方法及在代謝組學中的應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應用[A];第八屆全國轉子動力學學術討論會論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機)化學學術會議論文摘要集[C];2009年

相關博士學位論文 前4條

1 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿易大學;2014年

2 雷震;隨機森林及其在遙感影像處理中應用研究[D];上海交通大學;2012年

3 岳明;基于隨機森林和規(guī)則集成法的酒類市場預測與發(fā)展戰(zhàn)略[D];天津大學;2008年

4 李書艷;單點氨基酸多態(tài)性與疾病相關關系的預測及其機制研究[D];蘭州大學;2010年

相關碩士學位論文 前10條

1 錢維;藥品不良反應監(jiān)測中隨機森林方法的建立與實現(xiàn)[D];第二軍醫(yī)大學;2012年

2 韓燕龍;基于隨機森林的指數(shù)化投資組合構建研究[D];華南理工大學;2015年

3 賀捷;隨機森林在文本分類中的應用[D];華南理工大學;2015年

4 張文婷;交通環(huán)境下基于改進霍夫森林的目標檢測與跟蹤[D];華南理工大學;2015年

5 李強;基于多視角特征融合與隨機森林的蛋白質結晶預測[D];南京理工大學;2015年

6 朱玟謙;一種收斂性隨機森林在人臉檢測中的應用研究[D];武漢理工大學;2015年

7 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學;2014年

8 李慧;一種改進的隨機森林并行分類方法在運營商大數(shù)據(jù)的應用[D];電子科技大學;2015年

9 趙亞紅;面向多類標分類的隨機森林算法研究[D];哈爾濱工業(yè)大學;2014年

10 黎成;基于隨機森林和ReliefF的致病SNP識別方法[D];西安電子科技大學;2014年

，

本文編號：1476921