一种应用于地物识别的改进轮转森林算法 - 中国图象图形学报.doc

中图法分类号：TP751 文献标识码：A 文章编号： 文章索引信息： 应用于地物识别的改进轮转森林算法 (大连理工大学 电子信息与电气工程学部， 大连，116024)摘 要： 面对数量激增、复杂的遥感影像，准确的分类是亟待解决的问题。一种轮转径向基函数神经网络应用于遥感影像的处理方法。通过对输入数据特征变换，使特征总集多个子特征集，依据PCA变换处理这些新的子特征集，得到的系数改变训练样本，增加分类器之间的差异度，提高分类精度。以扎龙湿地为研究对象与比较，方法，。关键词： 混合算法径向基函数神经网络轮转森林特征Modified Rotation Forest Algorithm Used in the Remote Sensing Image Classification Han Min，Zhu Xin-rong(Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian, Liaoning, 116024,) Abstract: The amount of remote sensing data increases rapidly, and the information which the images contained becomes more and more complicated, the way how to classify these datasets generalized and effectively is a problem which need urgently to be solved. A modified rotation forest algorithm is proposed which take the RBFNN as the base classifier to classify the remote sensing image. The input training dataset is changed by the rotation forest which can output a much small sub-feature. Then the non-redundancy feature set is got by using PCA technology to process these new sub-features. Finally, the training dataset is changed according to the coefficient by the PCA transformation. This change will lead a higher diversity factor among these sub-classifiers which will give a much higher accuracy. The proposed method can get higher classification accuracy than other traditional methods when it used on the Zhalong wetland remote sensing image, and this algorithm has much higher generalization ability and much less over study phenomenon. Keywords: Hybrid algorithm; RBFNN; Rotation Forest; Feature transformation 0 引 言 面对现今用来进行地物识别的遥感数据的数量以及种类越来越多，需要进行处理实际问题也越来越复杂的情况[1,2]，单纯的对一种算法进行改进已不能满足解决问题的，而集成学习可以较好的解决问题[3~6]集成学习方法按照分类器之间的种类关系可以分为异态集成学习和同态集成学习两种。异态集成学习指的是使用各种不同的分类器进行集成，它的优势在于异态集成学习中的某种基本算法会对某类特定数据样本比其余的基本算法更为有效，得到的效果也会更好；同态集成学习是指集成的基分类器都是同一分类器，只是基分类器之间的参数有所不同，它针对种不同的数据类型抽样与集成结合，对原始训练集进行一系列抽样，产生多个分类器，然后用投票或合并的方式输出最终结果决策树的研究为这两种集成的方式提供了研究平台有学者提出决策树在构建过程中进行特征选择不足之处[7]：决策树中出现的特征是有等