优化随机森林的高光谱图像降维及分类算法

作者：李淑英; 程磊; 彭柏栋; 张强

来源：西安邮电大学学报, 2022, 27(05): 67-76.

DOI：10.13682/j.issn.2095-6533.2022.05.009

• 高光谱图像
• 随机森林
• 超参数寻优
• 遥感图像分类

对传统随机森林(Random Forest, RF)特征降维方法存在的去冗余能力不足及随机森林分类器缺乏有效的寻优方法获取最优超参数的问题进行研究，提出一种优化随机森林的高光谱图像降维及分类(Optimized Random Forest Algorithm for Hyperspectral Image Dimensionality Reduction and Classification, ORFDRC)算法。该算法通过增强型随机森林降维(Enhanced Random Forest Dimension Reduction, ERFDR)的预处理，使用网格-爬山(Grid-Hill Climbing, GHC)算法对RF模型进行超参数优化，并构建优化后的网格-爬山随机森林(Grid-Hill Climbing Random Forest, GHC-RF)分类器。最后，将降维后得到的新特征集输入到GHC-RF分类器中进行分类。在多个数据集上与多种降维算法及分类器进行实验对比，验证结果表明，ORFDRC算法在完成高光谱图像分类任务的同时，具有更高的分类精度。

• 单位
  西安邮电大学; 自动化学院