多分类器组合森林类型精细分类

作者：王怀警; 谭炳香^*; 王晓慧; 房秀凤; 李世明

来源：遥感信息, 2019, 34(02): 104-112.

• Hyperion
• 支持向量机
• 随机森林
• 自适应权值
• 分层分类
• 森林类型分类
• 高光谱

针对高光谱遥感数据树种识别精度不高,现有多分类器组合策略难以避免人为因素干扰的问题,利用自适应权值模型组合2种机器学习算法,有效改善森林类型精细识别精度。研究综合利用影像的光谱和纹理特征、地形特征及森林类型外业调查样本数据,采用分层分类的策略,分别利用支撑向量机(support vector machine,SVM)和随机森林算法(random forest classifier,RFC)对森林类型进行精细识别;为进一步提高森林类型识别精度,采用自适应权值组合模型综合2种分类器,并采用分层随机抽样的独立检验样本进行精度验证。结果表明,自适应权值组合模型可综合不同分类器的优势,避免人为因素干扰且提高识别精度和稳定性,对高分五号(GF-5)星载高光谱遥感数据应用具有借鉴意义和参考价值。

• 单位
  中国林业科学研究院资源信息研究所