10.11873/j.issn.1004-0323.2018.5.0975
基于属性差决策树的全极化SAR影像海冰分类
全极化SAR影像往往具有多个极化属性,不同海冰类型在不同极化方式下的成像亮度通常具有明显的差异.提出了一种适合于SAR影像海冰分类的属性差决策树分类分析(SDDT)方法,即在给定n个属性特征的样本基础上,通过计算任何两个属性的属性差特征的分类能力,选择出具有最优分类能力的属性差特征及其最优分裂值,实现海冰分类决策树的构建.采用这种策略,相当于在n+C2n个属性(原始n个属性与C2n个属性差)中寻找最优分类能力的属性,不仅充分考虑了影像中原始多极化属性特征,而且增加了属性差特征的有效利用,进而提高了分类精度.另外,针对计算属性分类能力的衡量指标,在C4.5算法中提出的信息增益比GainRatio基础上,进一步考虑了分裂点的宽度△Width以及分裂点属性总宽度TotalWidth,定义了分类能力指数Classify-Ability=GainRatio*△Width/TotalWidth.实验表明:采用同样的训 练样本,应用SDDT算法挖掘出的海冰分类规则,比C4.5算法挖掘出的分类规则的检测精度至少提高10%以上.
SAR影像、属性差、决策树、海冰分类
33
TP79(遥感技术)
国家自然科学青年基金项目“基于复杂网络的国产高分卫星影像海岸线自动提取方法研究”41506198;国家自然科学面上基金项目“海洋灾害大数据分析的系统模型研究及应用”41476101;“基于多时相高分遥感影像的筏式养殖藻类分类识别方法”41706105;“基于复杂网络的国产高分影像围填海类型早期识别方法研究”41706198;全国统计科学研究项目“基于系统级模型构建的关系复杂大数据分析方法及其应用”2017LY14
2019-01-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
975-982