首页|基于邻域聚合与深度学习的小样本荒漠草原物种分类

基于邻域聚合与深度学习的小样本荒漠草原物种分类

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着气候变化和人类活动的影响,内蒙古草原逐渐荒漠化.为了解决传统地面调查的局限性,以及高光谱数据小样本分类难的问题.本文利用无人机(unmanned aerial vehicle,U AV)高光谱遥感技术对荒漠草原物种进行数据采集,并提出一种邻域聚合算法结合深度学习的小样本分类方法.首先,通过遗传算法(genetic algorithm,GA)与最佳指数因子(optimum index factor,OIF)对高光谱数据进行波段选择;其次,构建高光谱数据邻域特征,采用邻域聚合算法对其进行邻域特征融合;最后,采用多层感知机(multilayr perceptron,MLP)对融合后的特征进行分类.结果表明,邻域聚合算法在每类地物只有10个样本的情况下总体精度可达93.41％,Kappa系数为0.912 0;并与SVM和多种深度学习模型对比,邻域聚合算法计算效率高、模型大小最小、分类精度最高.该方法的提出,满足草原物种识别要求,为草原生态系统的动态监测提供新方法.
Classification of small sample desert grassland species based on neighborhood aggregation and deep learning

张涛、杜建民、毕玉革、朱相兵、高新超

展开 >

内蒙古农业大学机电工程学院,内蒙古呼和浩特010018

荒漠草原 物种分类 邻域聚合 小样本 无人机(UAV) 高光谱遥感

国家自然科学基金

31660137

2023

10.16136/j.joel.2023.03.0224

光电子·激光
天津理工大学 中国光学学会

光电子·激光

CSCD北大核心
影响因子：1.437
ISSN：1005-0086
年,卷(期)：2023.34(3)
  • 4