AdaTree算法在遥感影像分类中的应用
目前的遥感影像分类研究中,决策树的生成完全依赖于现有的数据挖掘软件,缺少对决策树算法的深入研究和改进.本文以遥感影像分类为背景,采用BoostTree算法作为模型,通过算法改进构建了一种新的复合决策树算法——AdaTree,并以该算法为基础,设计实现了决策树遥感影像分类系统.以AdaTree算法作为分类器,分别对Landsat7 ETM+影像和WordView2影像进行了基于像元和面向对象的分类实验,并与BoostTree和SVM算法进行了比较.实验结果表明,AdaTree算法在分类精度上要优于BoostTree和SVM算法,平均Kappa系数分别达到0.905 2和0.939 8.
决策树、AdaBoost、分类、遥感
38
P237.4;TP753(摄影测量学与测绘遥感)
项目来源:国家科技支撑计划资助项目2012BAH28B01;地理空间信息工程国家测绘地理信息局重点实验室基金资助项目777121801
2014-01-09（万方平台首次上网日期，不代表论文的发表时间）
共5页
1460-1464
