基于MODIS数据的决策树分类方法研究与应用

作者：刘勇洪; 牛铮; 王长耀

来源：遥感学报, 2005, (04): 405-412.

• 决策树
• CART算法
• C4·5算法
• boosting和bagging技术
• 土地覆盖MODIS250m decision tree
• CART
• C4.5
• boosting and bagging
• land cover
• MODIS 250m

介绍了目前国际上流行的两种决策树算法———CART算法与C4·5算法,并引入了两种机器学习领域里的分类新技术———boosting和bagging技术,为探究这些决策树分类算法与新技术在遥感影像分类方面的潜力,以中国华北地区MODIS250m分辨率影像进行了土地覆盖决策树分类试验与分析。研究结果表明决策树在满足充分训练样本的条件下,相对于传统方法如最大似然法(MLC)能明显提高分类精度,而在样本量不足下决策树分类表现差于MLC;并发现在单一决策树生成中,分类回归树CART算法表现较C4·5算法具有分类精度和树结构优势,分类精度的提高取决于树结构的合理构建与剪枝处理;另外在决策树CART中引入b...

• 单位
  遥感科学国家重点实验室; 中国科学院遥感应用研究所