首页 -> 文献共享 -> 生态环境-> 正文

基于MODIS数据的决策树分类方法研究与应用

作者：刘勇洪,牛铮,王长耀   出版商：遥感学报   出版日期：2005 年 7 月
摘  要：介绍了目前国际上流行的两种决策树算法─CART算法与C4.5算法,并引入了两种机器学习领域里的分类新技术-boosting和bagging技术,为探究这些决策树分类算法与新技术在遥感影像分类方面的潜力,以中国华北地区MODIS250m分辨率影像进行了土地覆盖决策树分类试验与分析。研究结果表明决策树在满足充分训练样本的条件下,相对于传统方法如最大似然法(MLC)能明显提高分类精度,而在样本量不足下决策树分类表现差于MLC;并发现在单一决策树生成中,分类回归树CART算法表现较C4.5算法具有分类精度和树结构优势,分类精度的提高取决于树结构的合理构建与剪枝处理;另外在决策树CART中引入boosting技术,能明显提高那些较难识别类别的分类准确率18.5%到25.6%。
查看全文 本地浏览
相关数据
暂无相关数据！
相关文章
暂无相关文献！
●  上一篇： 地理信息系统(GIS)在景观生态研究中的作用     ●  下一篇： 煤炭开采对矿区环境的影响及保护对策探析    
声明：本站文献资源来源于网络，仅供学习交流使用，不得以任何形式用于商业用途，请于浏览后24小时内删除。如有疑问欢迎与我们联系，感谢您的支持。