基于随机森林的洪河湿地遥感影像分类研究

摘要：

随机森林（ Random Forests ）是一种最有效的分类方法之一。现阶段，它吸引了来自不同领域的研究人员，被广泛应用到不同的学科领域之中。本文采用TM影像，运用随机森林算法，对洪河湿地影像进行分类，并与最大似然监督分类方法（ Maximum Likelihood Classification ，MLC）和 CART （ Classification And Regression Tree ）算法对比。结果表明，基于RF算法的分类结果的总精度和Kappa系数分别为88．31％和0．82，较MLC和CART分类方法有明显提高。从而证明RF算法可以提高遥感影像的分类精度，并可应用在湿地信息的提取研究中。

关键词：影像分类、随机森林、湿地信息、精度评估

分类号：P237;TP75(摄影测量学与测绘遥感)

资助基金：黑龙江省自然科学基金项目C201022

在线出版日期：2014-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：83-85,93