基于投票法的多分类器集成遥感影像分类技术-地图学与地理信息系统专业论文.docxVIP

兰州交通大学硕士学位论文 兰州交通大学硕士学位论文 基于投票法的多分类器集成遥感影像分类技术 基于投票法的多分类器集成遥感影像分类技术 万方数据 万方数据 万方数据 万方数据 摘 要 遥感影像为地理国情监测提供了快速，实时的大范围的地理信息来源。如何从大量 的影像数据中提取地物是地理国情监测所面临的重要问题。随着对遥感影像分类精度要 求的不断提高，遥感影像分类技术越来越受到业界的广泛关注。然而由于分类使用算法 的侧重点不同，原理不同，至使分类器之间存在差异。多分类器集成是一种利用多个分 类器来解决同一分类问题的技术，可以很好的利用不同分类器的各自特点，通过互相组 合来弥补单个分类器的不足，改善系统的学习性能。目前，将多分类器集成应用于遥感 影像分类已成为提高遥感影像分类精度研究热点之一。 基分类器之间存在差异且彼此之间能够互补，是实现多分类器集成的关键，如何选 择基分类器，如何实现基分类器间的有效组合是研究多分类器集成的主要问题。为此文 中对基于投票方法的多分类器集成做了主要研究。 本文的主要研究内容及成果包括如下几个方面： 1、系统介绍了多分类器集成的产生背景和研究进展，并总结归纳了目前研究所遇 到的主要问题。 2、详细阐述了多分类器集成的基本理论和工作机理，并在此基础上，对分类器之 间的差异性进行了探究，得出多分类器集成性能的提升取决于基分类器间的差异程度以 及其互补性。同时研究了分类器间差异性的度量指标，包括成对差异性指标和非成对差 异性指标，如熵、KW-差异、Kappa 度量等，为判断分类器集成性能提供了一般的方法。 3、对遥感影像分类一般算法和面向对象分类技术做了研究：分析了各算法的优缺 点以及实现方法，并利用散点图和特征选择器对决策树构建做了创新；研究了面向对象 遥感影像分类技术，并总结出面向对象遥感影像分类技术的一般流程；最后通过使用不 同算法做面向对象遥感影像分类实验验证各分类器之间的互补性。 4、对基于投票法多分类器集成技术基本原理和方法做了深入探究，并从改变训练 集组成结构和使用不同分类器两种方法入手进行分类器投票集成：将 AdaBoosting 算法 做了改进，通过样本选取来训练适应于不同类别的基分类器，使用“专家投票”的方法 完成分类器集成；在先验知识的基础上，以不同的分类算法模型作为基分类器，提出基 于识别性能矩阵投票集成（VRPM）、基于类别权重的加权投票集成（VCW）和基于全信 息相关度的多分类器投票集成（VAIR）三种分类器投票集成算法。 5、通过实验，验证分类器差异性与多分类器集成性能间的关系；使用分类器间差 异性度量指标，获取了一些较优的分类器组合方案，并用 VRPM、VCW、VAIR 和改进的 I - AdaBoosting 算法对遥感影像分类，证明基于投票方法的多分类器集成技术提高遥感影 像分类精度的有效性和可行性。 关键词：遥感影像分类；多分类器集成；投票法；差异性度量；AdaBoosting；面向对 象分类 论文类型：应用研究 II - Abstract Remote sensing images provide a rapid, real- time geographic information with a wide range of areas in Geographical Conditions Monitoring. It is an important problem for Geographical Conditions Monitoring to extract features from a large number of images. With the increasing of precision requirements, the technology of remote sensing image classification has attracted extensive attention of researchers. As the difference in emphasis and theory, the classifiers have some differentiations between each other. Integration of multiple classifiers is a method to solve a given problem with several classifiers and can make good use of the characteristics of the different classifiers, It also improve the learning performance o