文献类型：期刊文章

作　　者：王圆圆[1] 李京[1]

机构地区：[1]北京师范大学资源学院资源技术与工程研究所,北京100875

出　　处：《遥感学报》

基　　金：国家高技术研究发展计划(编号:2002AA130020);科技部政府间科技合作项目(编号:CHN-24/2004)

年　　份：2007

卷　　号：11

期　　号：1

起止页码：69-76

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSCD、CSCD2011_2012、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：本文利用OM IS高光谱数据,研究了决策树算法(Dec ision Tree,DT)特征选择的特点以及特征选择对决策树分类结果的影响。设计了三种特征选择方法:SEP,MDLM和RELIEF,将它们与DT特征选择的结果以及特征选择后的分类精度(考虑了三种分类器:最大似然法、后向传播神经网络、最邻近法)进行对比,并分析了这三种特征选择方法对决策树结构和分类精度的影响。结果显示,DT是一种比较好的特征选择方法;经过特征选择后再生成的决策树比直接生成的决策树,用到更少的特征(平均减少了43.36%)、有更多的节点(平均增加了18.61%)和更高的分类精度(平均提高了0.35%),当样本数量少时,分类精度的提高幅度最大,而树的大小却基本没有增加。

关 键 词：决策树 高光谱  特征选择  

分 类 号：TP751.1]