排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
本文提出了一种随机森林(random forest,RF)模型和Pearson相关系数相结合的RF-Pearson模型特征优选方法。以多时相Sentinel-2影像为数据源,提取多时相多特征;利用RF-Pearson模型进行特征选择,筛选出特征重要性得分较高且相关性较小的特征作为优选特征,参与黄河三角洲湿地信息提取;最后将分类结果与多时相全特征和随机森林模型优选特征进行比较。实验表明:特征优选能够提高湿地信息的提取效果,基于RF-Pearson模型特征优选方法的分类精度最高,表明了特征优选方法的有效性以及特征优选在湿地分类方面的优势。 相似文献
1