基于多目標(biāo)遺傳隨機(jī)森林特征選擇的面向?qū)ο鬂竦胤诸?/H1>
發(fā)布時(shí)間：2018-03-05 05:11
本文選題：濕地分類 切入點(diǎn)：多光譜遙感影像 出處：《農(nóng)業(yè)機(jī)械學(xué)報(bào)》2017年01期
論文類型：期刊論文
【摘要】：以多時(shí)相Landsat8影像和SRTM DEM為數(shù)據(jù)源,對(duì)南甕河流域進(jìn)行了面向?qū)ο鬂竦胤诸�。為削弱高維特征集對(duì)分類精度的影響,提出一種多目標(biāo)遺傳隨機(jī)森林組合式特征選擇算法(MOGARF)進(jìn)行特征集優(yōu)化。利用Relief F算法對(duì)完整特征集進(jìn)行特征初選,再以基于隨機(jī)森林的封裝式多目標(biāo)遺傳算法進(jìn)一步提取優(yōu)化特征集。將所得特征集結(jié)合隨機(jī)森林分類法提取濕地信息。并將結(jié)果分別與基于完整特征集和僅采用Relief F算法及Boruta算法提取的優(yōu)化特征集的3種隨機(jī)森林分類結(jié)果對(duì)比。試驗(yàn)結(jié)果表明,采用MOGARF算法特征選擇后,特征維度降低至原來(lái)的10%,且分類精度最高,總體精度為92.61%,比其他分類方案提高0.35%~1.94%,Kappa系數(shù)為0.907 5,袋外誤差為7.77%,比其他分類方案降低0.91%~1.48%。利用MOGARF特征選擇的隨機(jī)森林分類法是濕地分類的有效方法。
[Abstract]:Using multitemporal Landsat8 images and SRTM DEM as data sources, an object-oriented wetland classification was carried out in the Nanweng River basin, in order to weaken the effect of high Vitert collection on classification accuracy. A multi-objective genetic stochastic forest combination feature selection algorithm (MOGARF) is proposed to optimize the feature set. The complete feature set is selected by Relief F algorithm. Then the optimized feature set is extracted by the encapsulated multi-objective genetic algorithm based on random forest. The wetland information is extracted by combining the obtained feature set with the random forest classification method, and the results are compared with that based on the complete feature set and only by using the method of random forest classification. Three kinds of stochastic forest classification results obtained by Relief F algorithm and Boruta algorithm are compared. The experimental results show that, After feature selection with MOGARF algorithm, the feature dimension is reduced to 10%, and the classification accuracy is the highest. The overall accuracy is 92.61, which is 0.35% higher than that of other classification schemes. The coefficient of Kappa is 0.907 5, and the error is 7.77, which is 0.91% lower than that of other classification schemes. The random forest classification based on MOGARF is an effective method for wetland classification.
【作者單位】： 吉林大學(xué)地球探測(cè)科學(xué)與技術(shù)學(xué)院;大連海事大學(xué)航海學(xué)院;
【基金】：東北地區(qū)國(guó)土資源遙感綜合調(diào)查項(xiàng)目(85015B01009)
【分類號(hào)】：P237;P941
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 張啟敏,聶贊坎;隨機(jī)森林發(fā)展系統(tǒng)解的存在性和唯一性(英文)[J];應(yīng)用數(shù)學(xué);2003年04期
2 李建更;高志坤;;隨機(jī)森林:一種重要的腫瘤特征基因選擇法[J];生物物理學(xué)報(bào);2009年01期
3 袁敏;胡秀珍;;隨機(jī)森林方法預(yù)測(cè)膜蛋白類型[J];生物物理學(xué)報(bào);2009年05期
4 方匡南;吳見(jiàn)彬;朱建平;謝邦昌;;隨機(jī)森林方法研究綜述[J];統(tǒng)計(jì)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(mèng)龍;;基于復(fù)雜網(wǎng)絡(luò)的隨機(jī)森林算法預(yù)測(cè)氨基酸突變對(duì)蛋白質(zhì)穩(wěn)定性的影響(英文)[J];化學(xué)研究與應(yīng)用;2011年05期
6 王象剛;;基于K均值隨機(jī)森林快速算法及入侵檢測(cè)中的應(yīng)用[J];科技通報(bào);2013年08期
7 曹正鳳;謝邦昌;紀(jì)宏;;一種隨機(jī)森林的混合算法[J];統(tǒng)計(jì)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(jī)森林分類模型[J];生物工程學(xué)報(bào);2008年02期
9 馬景義;吳喜之;謝邦昌;;擬自適應(yīng)分類隨機(jī)森林算法[J];數(shù)理統(tǒng)計(jì)與管理;2010年05期
10 李貞子;張濤;武曉巖;李康;;隨機(jī)森林回歸分析及在代謝調(diào)控關(guān)系研究中的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2012年02期
相關(guān)會(huì)議論文 前7條
1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測(cè)中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年
2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會(huì)論文集[C];2008年
3 張?zhí)忑?梁龍;王康;李華;;隨機(jī)森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年
4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉�(gòu)效關(guān)系研究[A];第十一屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年
5 張濤;李貞子;武曉巖;李康;;隨機(jī)森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年
6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機(jī)森林和k-近鄰法在某型坦克變速箱狀態(tài)識(shí)別中的應(yīng)用[A];第八屆全國(guó)轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)討論會(huì)論文集[C];2008年
7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹(shù)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(guó)計(jì)算(機(jī))化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2009年
相關(guān)博士學(xué)位論文 前4條
1 曹正鳳;隨機(jī)森林算法優(yōu)化研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年
2 雷震;隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年
3 岳明;基于隨機(jī)森林和規(guī)則集成法的酒類市場(chǎng)預(yù)測(cè)與發(fā)展戰(zhàn)略[D];天津大學(xué);2008年
4 李書(shū)艷;單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測(cè)及其機(jī)制研究[D];蘭州大學(xué);2010年
相關(guān)碩士學(xué)位論文 前10條
1 錢(qián)維;藥品不良反應(yīng)監(jiān)測(cè)中隨機(jī)森林方法的建立與實(shí)現(xiàn)[D];第二軍醫(yī)大學(xué);2012年
2 韓燕龍;基于隨機(jī)森林的指數(shù)化投資組合構(gòu)建研究[D];華南理工大學(xué);2015年
3 賀捷;隨機(jī)森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年
4 張文婷;交通環(huán)境下基于改進(jìn)霍夫森林的目標(biāo)檢測(cè)與跟蹤[D];華南理工大學(xué);2015年
5 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測(cè)[D];南京理工大學(xué);2015年
6 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測(cè)中的應(yīng)用研究[D];武漢理工大學(xué);2015年
7 肖宇;基于序列圖像的手勢(shì)檢測(cè)與識(shí)別算法研究[D];電子科技大學(xué);2014年
8 李慧;一種改進(jìn)的隨機(jī)森林并行分類方法在運(yùn)營(yíng)商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年
9 趙亞紅;面向多類標(biāo)分類的隨機(jī)森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年
10 黎成;基于隨機(jī)森林和ReliefF的致病SNP識(shí)別方法[D];西安電子科技大學(xué);2014年
，
本文編號(hào)：1568866
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/1568866.html
本文選題：濕地分類 切入點(diǎn)：多光譜遙感影像 出處：《農(nóng)業(yè)機(jī)械學(xué)報(bào)》2017年01期 論文類型：期刊論文
【摘要】：以多時(shí)相Landsat8影像和SRTM DEM為數(shù)據(jù)源,對(duì)南甕河流域進(jìn)行了面向?qū)ο鬂竦胤诸�。為削弱高維特征集對(duì)分類精度的影響,提出一種多目標(biāo)遺傳隨機(jī)森林組合式特征選擇算法(MOGARF)進(jìn)行特征集優(yōu)化。利用Relief F算法對(duì)完整特征集進(jìn)行特征初選,再以基于隨機(jī)森林的封裝式多目標(biāo)遺傳算法進(jìn)一步提取優(yōu)化特征集。將所得特征集結(jié)合隨機(jī)森林分類法提取濕地信息。并將結(jié)果分別與基于完整特征集和僅采用Relief F算法及Boruta算法提取的優(yōu)化特征集的3種隨機(jī)森林分類結(jié)果對(duì)比。試驗(yàn)結(jié)果表明,采用MOGARF算法特征選擇后,特征維度降低至原來(lái)的10%,且分類精度最高,總體精度為92.61%,比其他分類方案提高0.35%~1.94%,Kappa系數(shù)為0.907 5,袋外誤差為7.77%,比其他分類方案降低0.91%~1.48%。利用MOGARF特征選擇的隨機(jī)森林分類法是濕地分類的有效方法。
[Abstract]:Using multitemporal Landsat8 images and SRTM DEM as data sources, an object-oriented wetland classification was carried out in the Nanweng River basin, in order to weaken the effect of high Vitert collection on classification accuracy. A multi-objective genetic stochastic forest combination feature selection algorithm (MOGARF) is proposed to optimize the feature set. The complete feature set is selected by Relief F algorithm. Then the optimized feature set is extracted by the encapsulated multi-objective genetic algorithm based on random forest. The wetland information is extracted by combining the obtained feature set with the random forest classification method, and the results are compared with that based on the complete feature set and only by using the method of random forest classification. Three kinds of stochastic forest classification results obtained by Relief F algorithm and Boruta algorithm are compared. The experimental results show that, After feature selection with MOGARF algorithm, the feature dimension is reduced to 10%, and the classification accuracy is the highest. The overall accuracy is 92.61, which is 0.35% higher than that of other classification schemes. The coefficient of Kappa is 0.907 5, and the error is 7.77, which is 0.91% lower than that of other classification schemes. The random forest classification based on MOGARF is an effective method for wetland classification.
【作者單位】： 吉林大學(xué)地球探測(cè)科學(xué)與技術(shù)學(xué)院;大連海事大學(xué)航海學(xué)院;
【基金】：東北地區(qū)國(guó)土資源遙感綜合調(diào)查項(xiàng)目(85015B01009)
【分類號(hào)】：P237;P941
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 張啟敏,聶贊坎;隨機(jī)森林發(fā)展系統(tǒng)解的存在性和唯一性(英文)[J];應(yīng)用數(shù)學(xué);2003年04期
2 李建更;高志坤;;隨機(jī)森林:一種重要的腫瘤特征基因選擇法[J];生物物理學(xué)報(bào);2009年01期
3 袁敏;胡秀珍;;隨機(jī)森林方法預(yù)測(cè)膜蛋白類型[J];生物物理學(xué)報(bào);2009年05期
4 方匡南;吳見(jiàn)彬;朱建平;謝邦昌;;隨機(jī)森林方法研究綜述[J];統(tǒng)計(jì)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(mèng)龍;;基于復(fù)雜網(wǎng)絡(luò)的隨機(jī)森林算法預(yù)測(cè)氨基酸突變對(duì)蛋白質(zhì)穩(wěn)定性的影響(英文)[J];化學(xué)研究與應(yīng)用;2011年05期
6 王象剛;;基于K均值隨機(jī)森林快速算法及入侵檢測(cè)中的應(yīng)用[J];科技通報(bào);2013年08期
7 曹正鳳;謝邦昌;紀(jì)宏;;一種隨機(jī)森林的混合算法[J];統(tǒng)計(jì)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(jī)森林分類模型[J];生物工程學(xué)報(bào);2008年02期
9 馬景義;吳喜之;謝邦昌;;擬自適應(yīng)分類隨機(jī)森林算法[J];數(shù)理統(tǒng)計(jì)與管理;2010年05期
10 李貞子;張濤;武曉巖;李康;;隨機(jī)森林回歸分析及在代謝調(diào)控關(guān)系研究中的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2012年02期
相關(guān)會(huì)議論文 前7條
1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測(cè)中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年
2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會(huì)論文集[C];2008年
3 張?zhí)忑?梁龍;王康;李華;;隨機(jī)森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年
4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉�(gòu)效關(guān)系研究[A];第十一屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年
5 張濤;李貞子;武曉巖;李康;;隨機(jī)森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年
6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機(jī)森林和k-近鄰法在某型坦克變速箱狀態(tài)識(shí)別中的應(yīng)用[A];第八屆全國(guó)轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)討論會(huì)論文集[C];2008年
7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹(shù)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(guó)計(jì)算(機(jī))化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2009年
相關(guān)博士學(xué)位論文 前4條
1 曹正鳳;隨機(jī)森林算法優(yōu)化研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年
2 雷震;隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年
3 岳明;基于隨機(jī)森林和規(guī)則集成法的酒類市場(chǎng)預(yù)測(cè)與發(fā)展戰(zhàn)略[D];天津大學(xué);2008年
4 李書(shū)艷;單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測(cè)及其機(jī)制研究[D];蘭州大學(xué);2010年
相關(guān)碩士學(xué)位論文 前10條
1 錢(qián)維;藥品不良反應(yīng)監(jiān)測(cè)中隨機(jī)森林方法的建立與實(shí)現(xiàn)[D];第二軍醫(yī)大學(xué);2012年
2 韓燕龍;基于隨機(jī)森林的指數(shù)化投資組合構(gòu)建研究[D];華南理工大學(xué);2015年
3 賀捷;隨機(jī)森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年
4 張文婷;交通環(huán)境下基于改進(jìn)霍夫森林的目標(biāo)檢測(cè)與跟蹤[D];華南理工大學(xué);2015年
5 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測(cè)[D];南京理工大學(xué);2015年
6 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測(cè)中的應(yīng)用研究[D];武漢理工大學(xué);2015年
7 肖宇;基于序列圖像的手勢(shì)檢測(cè)與識(shí)別算法研究[D];電子科技大學(xué);2014年
8 李慧;一種改進(jìn)的隨機(jī)森林并行分類方法在運(yùn)營(yíng)商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年
9 趙亞紅;面向多類標(biāo)分類的隨機(jī)森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年
10 黎成;基于隨機(jī)森林和ReliefF的致病SNP識(shí)別方法[D];西安電子科技大學(xué);2014年
，本文編號(hào)：1568866
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/1568866.html
