共查询到10条相似文献,搜索用时 15 毫秒
1.
针对目前遥感影像分类中面向对象和决策树相结合的研究较少的情况,该文提出基于C5.0决策树的面向对象分类方法,并以广州市从化区进行实证研究。基于Landsat-8OLI影像数据,采用面向对象分类对影像进行多尺度分割,提取出影像对象的光谱、纹理特征以及影像对象相对应的DEM信息;然后利用C5.0决策树根据特征信息来挖掘分类规则;最后根据规则对分割后影像进行分类。结果表明,基于C5.0决策树的面向对象影像分类精度高、效果好,总体精度和Kappa系数分别为89.75%和87.5%。该方法可准确、快速地提取土地利用/覆被信息。 相似文献
2.
地理信息系统支持下的山区遥感影像决策树分类 总被引:6,自引:2,他引:6
山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法(C 4.5算法)自动提取知识,基于知识建立决策树用于山区影像分类,并结合研究区土地利用类型与DEM空间统计关系的先验知识,在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比,该方法极大地改善了山区地表覆被分类的精度,得到试验区较为可靠的遥感分类图像。 相似文献
3.
决策树方法在土地荒漠化分类中的应用研究 总被引:5,自引:0,他引:5
阜新地区属于农牧交错带,是土地荒漠化类型齐全、结构复杂的典型研究区域。本文以遥感(RS)作为荒漠化信息获取与分析的工具,利用基于决策树的分析方法,结合区域环境特点,根据不同荒漠化类型的遥感影像特点,针对荒漠化类型、强度进行了分层次提取和分类。 相似文献
4.
5.
6.
7.
遥感影像提取土地覆盖信息的决策树优化方法 总被引:2,自引:0,他引:2
针对高分辨率遥感影像分类的传统ID3算法采用的信息增益熵为局部非回溯的启发式的缺点,提出了决策树引入模拟退火算法,得到一个面向影像特征优先级的优化的决策树分类算法。采用优化的决策树算法进行高分辨率遥感影像的分类,能较好地解决样本依赖性问题,并且得到一个全局优化的分类结果。通过实验,对农村地区的SPOT影像进行分类,并且通过对较优尺度下优化的决策树算法与神经网络算法和最大似然法对实验区域的影像分类精度的比较,证明了与ID3决策树分类方法相比较,优化的决策树方法能有效地提高农村地区在各尺度下SPOT影像的分类精度。 相似文献
8.
提出了一种新的基于布谷鸟算法的智能式遥感分类方法。采用布谷鸟智能优化算法,自动搜索遥感影像各波段的最优阈值分割点,并定义各波段最优阈值分割点和影像分类目标类别的连线为布谷鸟的最佳解,构造以If-Then形式表达的遥感分类规则。将所提的基于布谷鸟算法的影像分类方法应用于ALOS影像分类中,并与蜂群智能遥感分类方法和See5.0决策树方法进行了对比分析。结果表明,布谷鸟智能遥感分类的总体精度和Kappa系数均比蜂群智能遥感分类和See5.0决策树方法更高,该智能遥感分类方法具有更好的分类效果。 相似文献
9.
传统的遥感影像是依据地物的波谱信息来进行分类的。这往往会产生"同物异谱,异物同谱"的问题,使得分类精度和效果不理想。因此本文采用基于专家知识的决策树C4.5法,利用地物的波谱信息、归一化植被指数、主成分分析等特征构建决策树,与监督分类中的支持向量机法、最小距离法去比较。实验结果表明,几种分类方法中,决策树法分类法的分类规则易于理解,准确率较好,所需分类时间短,总体分类效果最为理想,验证了决策树法在遥感影像分类领域的优势。 相似文献