文献类型：期刊文章

作　　者：刘毅[1] 杜培军[1,2] 郑辉[3] 夏俊士[1] 柳思聪[1]

机构地区：[1]中国矿业大学国土环境与灾害监测国家测绘局重点实验室,江苏徐州221116 [2]南京大学地理信息科学系,江苏南京210093 [3]兖州矿业集团地测部,山东济宁273500

出　　处：《测绘科学》

基　　金：国家自然科学基金资助项目(40871195)

年　　份：2012

卷　　号：37

期　　号：4

起止页码：194-196

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、JST、RCCSE、ZGKJHX、核心刊

摘　　要：近年来随着小卫星数量与传感器类型的快速增加,急需研究和发展快速可靠的小卫星遥感影像分类方法。针对分类方法各具局限性、具体应用中最优分类器选取困难等问题,本文基于多分类器集成学习的思路,引入随机森林(Random Forests)方法用于小卫星遥感影像分类。采用灾害监测预报小卫星(HJ-1)、北京1号小卫星(BJ-1)两种国产小卫星多光谱遥感影像进行试验,并与传统分类方法进行比较,结果表明,随机森林比最大似然分类器(MLC)、支持向量机分类器(SVM)等具有更好的稳定性、更高的分类精度和更快的运算速度,具有很好的适用性。

关 键 词：随机森林  多分类器 集成学习  决策树 国产小卫星  

分 类 号：TP75]