基于TabNet的森林覆盖类型预测方法

摘要：

森林覆盖类型的分类识别对于研究森林资源变化、合理利用森林资源具有重要意义,构建准确、鲁棒的分类模型是此类研究的关键.采用TabNet构建预训练模型对输入特征进行重构,然后使用重构后的特征表征训练TabNet分类器,最后与LightGBM模型进行集成,提升了模型效果.实验显示该模型的分类性能最高,准确率达到97.95％,提出的模型具有良好的可解释性,对筛选森林覆盖类型影响因素有着指导意义.

关键词：森林覆盖类型、TabNet模型、LightGBM模型、分类模型

所属期刊栏目：39

分类号：TP183(自动化基础理论)

在线出版日期：2023-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：129-133