期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于See5.0算法的决策树构建与分类研究 被引量：2
1
作者 梁坤 常鲁群 《矿山测量》 2009年第2期41-43,共3页
文中以地形较为复杂的山东大学长清区为研究区域,综合TM影像的光谱特征、纹理特征与区域内的地形特征、植被特征信息作为样本集的属性值,结合研究区内6种主要地物类型训练数据集,基于See5.0的决策树分类法进行分类实验,并在ENVI中提取土... 文中以地形较为复杂的山东大学长清区为研究区域,综合TM影像的光谱特征、纹理特征与区域内的地形特征、植被特征信息作为样本集的属性值,结合研究区内6种主要地物类型训练数据集,基于See5.0的决策树分类法进行分类实验,并在ENVI中提取土地的利用现状信息。实验结果表明:综合利用不同的特征数据会有效的提高分类精度;See5.0和ENVI相结合可以高效、高精度地、客观地实现土地覆盖分类,是基于知识的遥感影像分类的有效的方法。 展开更多
关键词 see5.0 决策树分类 ENVI
在线阅读 下载PDF
基于C5.0决策树算法的西北干旱区土地覆盖分类研究——以甘肃省武威市为例 被引量：32
2
作者 齐红超 祁元 徐瑱 《遥感技术与应用》 CSCD 北大核心 2009年第5期648-653,I0005,共7页
西北干旱区面积广阔,由于土地利用类型多样,成因复杂,对环境变化敏感、变化过程快、幅度大、景观差异明显等特点,在影像上表现出的"同物异谱"现象明显;利用常规目视解译、监督非监督分类、人工参与的决策树分类等方法在效率... 西北干旱区面积广阔,由于土地利用类型多样,成因复杂,对环境变化敏感、变化过程快、幅度大、景观差异明显等特点,在影像上表现出的"同物异谱"现象明显;利用常规目视解译、监督非监督分类、人工参与的决策树分类等方法在效率或精度等方面各有其缺陷。采用机器学习C5.0决策树算法,综合利用地物波谱、NDVI、TC、纹理等信息,根据样本数据自动挖掘分类规则并对整个研究区进行地物分类。机器学习的决策树可以挖掘出更多的分类规则,C5.0算法对采样数据的分布没有要求,可以处理离散和连续数据,生成的规则易于理解,分类精度高,可以满足西北干旱区大面积的土地利用/覆被变化制图的需要。 展开更多
关键词 C5.0算法 西北干旱区 土地覆被 see5.0 NLCD
原文传递
基于单时相MODIS数据的决策树自动构建及分类研究 被引量：8
3
作者 韩涛 徐晓桃 颉耀文 《武汉大学学报（信息科学版）》 EI CSCD 北大核心 2009年第2期191-194,共4页
以甘肃省为试验区,利用单时相MODIS数据的光谱信息,使用最大似然法和基于See 5.0数据挖掘的决策树分类方法,进行了分类对比研究。分类结果表明,加入温度-植被角度TVA和温度-植被距离TVD两个指数后,低植被覆盖区的分类效果得到了改善;基... 以甘肃省为试验区,利用单时相MODIS数据的光谱信息,使用最大似然法和基于See 5.0数据挖掘的决策树分类方法,进行了分类对比研究。分类结果表明,加入温度-植被角度TVA和温度-植被距离TVD两个指数后,低植被覆盖区的分类效果得到了改善;基于See 5.0数据挖掘的决策树方法能够快速地建立决策树,且能提高较难识别地物类型的分类精度。 展开更多
关键词 MODIS 最大似然法 决策树 see5.0 土地覆盖分类
原文传递
基于不同机器学习的农作物遥感分类与精度评价研究——以新疆维吾尔自治区阜康市为例 被引量：5
4
作者 张旭辉 玉素甫江·如素力 +2 位作者 仇忠丽 亚夏尔·艾斯克尔 阿卜杜热合曼·吾斯曼 《新疆师范大学学报（自然科学版）》 2022年第3期17-28,共12页
为及时准确地获取干旱区农作物种植信息,确保干旱区粮食安全和保障农业可持续发展,文章以多时相Sentinel-2影像和野外采样为主要数据源,依据新疆阜康市农作物物候特征,提取不同时期的农作物植被指数,并按时间顺序进行统计,建立植被指数... 为及时准确地获取干旱区农作物种植信息,确保干旱区粮食安全和保障农业可持续发展,文章以多时相Sentinel-2影像和野外采样为主要数据源,依据新疆阜康市农作物物候特征,提取不同时期的农作物植被指数,并按时间顺序进行统计,建立植被指数时序变化曲线,并对其特征进行分析。使用See5.0决策树算法、分类与回归树(CART)算法和随机森林(RF)算法开展农作物遥感分类研究,用传统精度评价指标和破碎度指标对分类结果进行比较、分析和验证。结果表明:See5.0算法的总体精度为93.15%,高于RF算法(84.35%)和CART算法(78.26%),Kappa系数的关系为See5.0(0.8856)>RF(0.8020)>CART(0.7441),See5.0算法的总体精度和Kappa系数均最高,表明See5.0算法的分类结果与实际作物类型及分布状况具有较好的一致性;See5.0算法对阜康市农作物的制图精度均超过85%,制图结果清晰,地块内均匀一致,没有明显的“椒盐”噪声;See5.0算法相较于RF(10.25%)和CART(17.40%)算法,分类后的农作物样方破碎度最低,为5.54%,分类效果最好。综上,See5.0机器学习算法可以实现高精度遥感农作物制图,更适合在绿洲区进行农作物高精度遥感分类与动态监测研究。 展开更多
关键词 机器学习 Sentinel-2 农作物分类 see5.0 分类与回归树 随机森林
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部