计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2013年
5期
697-699
,共3页
集成学习%遥感图像%Bagging%Boosting
集成學習%遙感圖像%Bagging%Boosting
집성학습%요감도상%Bagging%Boosting
遥感影像分类一直是遥感领域的研究热点.集成学习通过多个单一分类器得到的分类信息进行综合来提高分类的精度.论文阐述了集成技术的常用算法和策略,给出了遥感数据分类采用单分类算法,Bagging,Boosting以及MCS集成分类的实验结果的比较和分析.实验表明,集成技术能有效提高遥感数据的分类精度.在训练样木少的情况下,提供了一种保证分类性能和泛化性的有效途径.
遙感影像分類一直是遙感領域的研究熱點.集成學習通過多箇單一分類器得到的分類信息進行綜閤來提高分類的精度.論文闡述瞭集成技術的常用算法和策略,給齣瞭遙感數據分類採用單分類算法,Bagging,Boosting以及MCS集成分類的實驗結果的比較和分析.實驗錶明,集成技術能有效提高遙感數據的分類精度.在訓練樣木少的情況下,提供瞭一種保證分類性能和汎化性的有效途徑.
요감영상분류일직시요감영역적연구열점.집성학습통과다개단일분류기득도적분류신식진행종합래제고분류적정도.논문천술료집성기술적상용산법화책략,급출료요감수거분류채용단분류산법,Bagging,Boosting이급MCS집성분류적실험결과적비교화분석.실험표명,집성기술능유효제고요감수거적분류정도.재훈련양목소적정황하,제공료일충보증분류성능화범화성적유효도경.
