矿山测量2022，Vol.50Issue(1) ：70-77.DOI:10.3969/j.issn.1001-358X.2022.01.016

基于Stacking集成机器学习法的Sentinel-1海冰分类研究

Study on Sentinel-1 sea ice classification based on Stacking integrated machine learning method

泥萍 唐凯 王志勇
矿山测量2022，Vol.50Issue(1) ：70-77.DOI:10.3969/j.issn.1001-358X.2022.01.016
✕
  • 维普
  • 万方数据

基于Stacking集成机器学习法的Sentinel-1海冰分类研究

Study on Sentinel-1 sea ice classification based on Stacking integrated machine learning method

泥萍 1唐凯 1王志勇2
扫码查看

作者信息

  • 1. 山东科技大学,山东 青岛 266590
  • 2. 山东科技大学,山东 青岛 266590;测绘工程国家级实验教学示范中心(山东科技大学),山东 青岛 266590
  • 折叠

摘要

随着海冰监测需求的不断扩大,合成孔径雷达数据逐渐成为海冰遥感监测的重要数据,但现阶段用于雷达海冰监测的机器学习方法普遍精度不高且鲁棒性较低.针对上述问题,对Sentinel-1影像数据提取多种影像纹理特征,然后将轻量级梯度提升机、随机森林与深度置信神经网络通过Stacking方法集成后对海冰进行监测,并检验其精度.实验结果表明,相较于单一机器学习器,Stacking集成学习器具有更高的分类精度,证明集成学习可以提高海冰分类精度.

关键词

反向神经网络/随机森林/轻量级梯度提升机/Stacking/集成机器学习

引用本文复制引用

出版年

2022
矿山测量
煤炭科学研究总院唐山研究院

矿山测量

影响因子：0.337
ISSN：1001-358X
参考文献量3
段落导航相关论文