首页|基于MODIS数据的决策树分类方法研究与应用

基于MODIS数据的决策树分类方法研究与应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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%.
Research and Application of the Decision Tree Classification Using MODIS Data

刘勇洪、牛铮、王长耀

展开 >

中国科学院,遥感应用研究所,遥感科学国家重点实验室,北京,100101

决策树 CART算法 C4.5算法 boosting和bagging技术 土地覆盖MODIS250m

中国科学院知识创新工程项目国家高技术研究发展计划(863计划)

KZCX1-SW- 01863计划2003AA131170

2005

遥感学报
中国地理学会环境遥感分会 中国科学院遥感应用研究所

遥感学报

CSCD北大核心
影响因子：2.921
ISSN：1007-4619
年,卷(期)：2005.9(4)
  • 84
  • 5