基于多分类器的复合决策树在遥感分类中的应用.pdfVIP

维普资讯 第22卷 第4期 青 岛大学学 报 (工程技 术版 ) VoI．22NO．4 2007年 12月 JOURNALOFQINGDAO UNIVERSITY (ET) Dec．20 0 7 文章编号 ：1006—9798(2007)04—0060—05 基于多分类器的复合决策树在遥感分类中的应用 黄添强，郭躬德，卓飞豹 (福建师范大学数学与计算机科学学院计算机科学系，福建 福州 350007) 摘要 ：提出二阶段分类方法 ，第一阶段利用多分类器进行各波段分类，第二阶段使用复合 分裂准则构建复合决策树进行综合分类。实验表明，该方法分类精度优于最大似然分类法。 关键词 ：多分类器 ；遥感数据 ；决策树 中图分类号：TP183 文献标识码 ：A 决策树分类法具有灵活、直观、清晰、强健 、运算效率高等特点，在遥感分类问题上表现出巨大优势。在 过去的3O多年 间，人们研究了大量 的决策树结构 。Running等_1]提 出用决策树分类法来处理 NOAA／ AVHRR的NDVI数据 ，以实现全球植被分类 。Brodley_2指 出，确定决策树结构时需要依据样本类型和研 究区域数据空间分布特性考虑各种相关因素。这些因素包括 ：判别函数如何处理不同类型数据；如何处理缺 失值 ；用于衡量分割适宜度的分割标准 以及在多特征决策树中用于内部结点特征选择 的特殊算法的确定 。 Kennnedy：。把此方法分为 3类 ，即：指定边界，利用概率分布和利用后验概率。决策树算法属于第一类 ，但 无论哪一类方法 ，都不尽人意 。传统分类方法如最大似然分类法 (Maximum likelihoodclassification，简称 MIc)有着严密的理论基础 ，有很好的统计特性 。但这种方法假定数据源 以某一 固定 的概率分布为基础 ，实 践证明，由于地物空间分布的千变万化 ，此假定在单一数据源分析 中不一定能成立 ，在多源数据情况下，这种 假定的缺陷更加明显 。在遥感技术飞速发展的今天，人们应用遥感数据是多源 、多波段与高光谱的，空间分 辨率、“同物异谱”和 “异物同谱”现象的存在 ，以及具有数据空间连续性 、空间 自相关性、存在缺损与误差等特 点，使传统单一 的算法显得力不从心，尤其是面对空间特征分布极为复杂的多维数据时，更显示 出算法的不 足。本文利用分类技术的最新发展成果，提 出了一种新的复合方法 。该方法分为两部分 ：一是根据对特定的 遥感数据不同分类器分类的精度不同的事实 ，先应用多分类器 的方法对遥感影像各波段进行分类；二是考虑 不同的衡量准则在不同数据类应用效果不同的特点，利用复合衡量准则构造复合决策数 ，利用复合决策树的 优点，进行多特征影像综合分类 。 1 多分类器专题分类 在遥感影像分类中，分类器在不同的特征波段中分类 的性能不同。多分类器分类 的关键技术就是如何 选择具有最优的局部性能的分类器。本算法第一阶段任务就是选定每一个波段的最有效的分类器。随着分 类器不确定性研究的深入 ，以模糊集理论 、贝叶斯推理、证据推理和平均 、投票、中位数 、最大最小策略为代表 的智能化融合方法在分类器融合的研究中占有很大比重，体现了其在多分类器融合领域的独特优势 。本 文利用不同的组合 ，分别对最小距离分类器、最大似然分类器 、平行六面体分类器 、多层感知器神经网络 、马 氏距离分类器和 K—NN分类器进行训练 ，训练不同波段的最优分类器。分类器融合方法可以分为3类 。 1) 决策层融合 ，即单个分类器输 出为某个确定的类号； 收稿 日期 ：2007—10—10 基金项 目：福建省青年创新基金项 目资助 (2006F3045)；福建省 自然科学基金项 目资助 (2007J0016) 作者简介：黄添强(197l一)，男，博士，讲师，主要研究方向为空间、时空数据挖掘与 GIS。 维普资讯 第 4期 黄添强，等 ：基于多分类器的复合决策树在遥感分类 中的应用