基于Stacking集成机器学习法的Sentinel-1海冰分类研究

扫码查看

原文链接

万方数据
维普

中文摘要：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.

外文标题：Study on Sentinel-1 sea ice classification based on Stacking integrated machine learning method

作者：

泥萍、唐凯、王志勇

展开 >

作者单位：

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

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

出版年：

2022

DOI：

10.3969/j.issn.1001-358X.2022.01.016

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

年,卷(期)：2022.50(1)

参考文献量3