基于GF-2与LandSat-8影像的土地覆盖分类比较

基于GF-2与Land Sat-8影像数据,利用支持向量机分类器(SVM)对同区域同期两种数据进行土地利用覆盖分类对比研究。结果表明:典型样本的光谱比较接近,但在农田与林地、不透水面与裸土的典型样本可分离性方面,Land Sat-8优于GF-2;GF-2与Land Sat-8的分类总精度分别为92.25%和92.06%,但不同地物类型的分类精度存在差异,波谱响应函数的差异可能是导致Land Sat-8对林地的分类精度高于GF-2的原因;此外,GF-2对零碎分布地物类型的分类精度高于Land Sat-8,主要原因是GF-2具有更高的空间分辨率。     

基于遥感影像的土地覆盖分类方法研究

20世纪90年代卫星遥感在全球和区域尺度土地覆盖研究与应用方面取得了突破性进展,土地利用/覆盖遥感研究的新方法不断出现。对国内外土地覆盖遥感图像分类的研究现状进行了综合阐述,初步探讨了提高土地覆盖遥感影像分类精度的方法与途径     

基于Sentinel 2影像的青衣江流域土地利用分类

以四川省青衣江流域乐山灌区为研究区域,Sentinel 2光学影像为数据源,采用分类方法最大似然法、CART决策树法和基于多时相归一化植被指数(Normalized Difference Vegetation Index,NDVI)决策树分类方法,实现了研究区域大春土地利用的分类提取,对各种分类结果的精度评定结果表明基于相应多时相NDVI数据集的决策树分类方法在3种分类方法中精度最高,总体分类精度85.22%,Kappa系数0.81。最终本研究技术方法成功提取了青衣江流域建筑、水、森林的分布信息及大春作物水稻、红苕、大春蔬菜的作物种植信息。     

基于多特征软概率级联的土地利用/土地覆盖分类

为实现高分辨率遥感影像低层特征的有效组织与优化,提高特征的可判别性,重点研究了基于稀疏编码的中层特征学习、基于支持向量机(Support Vector Machine,SVM)的分类技术,提出了基于软概率级联中层特征学习模型实现土地利用/土地覆盖(Land Use and Land Cover,LULC)分类。首先,提取影像的灰度共生矩阵(Graylevel Co-occurrence Matrix,GLCM)、光谱特征、密集尺度不变特征转换(Dense Scale Invariant Feature Transform,DSIFT)作为低层特征;然后由稀疏编码分别对GLCM、DSIFT和光谱特征进行稀疏编码,并结合最大平滑方法对稀疏系数进行优化,获得影像的中层特征,并通过SVM分类器分别计算LULC类别软概率,对其级联获得影像的特征表达;最后,利用SVM分类器再次分类获得LULC分类结果。选用武汉市远城区农村居民点作为实验样区,对该方法进行了验证,实验结果表明,该方法总体精度达到88%左右;相较于提取单一低层特征的分类方法,本文算法可有效提高LULC分类精度。     

基于MODIS的西藏高原土地覆盖分类研究

嵌的MODIS遥感图像,用最大似然估计分类器对西藏高原的土地覆盖类型进行了分类,并采用西藏高原数字高程模型(DEM)对MODIS分类结果进行了分析和改进,最后分别用混淆矩阵和图集中西藏高原植被分类汇总面积对MODIS土地覆盖分类结果进行了分类精度评价。结果表明:①MODIS遥感图像能够有效地分类出西藏高原的主要土地覆盖类型;②根据西藏高原植被的垂直带性分布特点,由DEM改进的MODIS土地覆盖分类精度明显提高,主要土地覆盖类型的面积绝对误差都小于2%,其中,河流与湖泊、森林、高寒荒漠、作物和山地草原的绝对误差都在1%以下;③混淆矩阵分析的平均分类精度为87.68%。     

基于随机森林算法的WANO机组能力因子分类

针对核电厂机组能力因子分类研究缺少相对简单有效的方法,基于第一至第八次《中华人民共和国核安全公约国家报告》中世界核电营运者协会（WANO）性能指标的数据,提出一种随机森林模型（random forest,RF）的机组能力因子分类方法,通过估算随机森林模型决策树的棵树、内部节点再划分所需要的最小样本数等,构建最优的随机森林分类模型,成功实现对能力因子的快速和精细分类,为第九次国家报告中定性掌握我国核电机组发电状况及行业内机组所处状况提供依据;同时,选用解决二分类的Logistic回归作对比试验,试验结果表明RF分类算法的总体精度达到77.27%,Kappa系数为0.705 3,达到高度一致性检验标准区间,明显高于Logistic回归的51.14%和0.110 1,RF表现出分类效果好、准确率高和性能稳定等优点,能够有效提高机组能力因子分类的准确度。     

基于Landsat8OLI和Sentinel-2A影像在湿地提取水体信息的差异性研究

湿地作为中国重要的生态水文环境资源,及时、准确的监测湿地的水体信息具有重要意义。虽然Sentinel-2A数据相较于Landsat-8影像作为新兴的卫星遥感影像数据源名具有较多优势,但在湿地的水体信息提取的应用效果是否具有众多优点,仍是未知,因此,本文选取扎龙湿地研究区内的Sentinel-2a和Landsat-8影响各一景影像作为数据源,基于面向对象的分类分类方法提取湿地的水体信息,验证两种数据源的分类结果精度,结果表明:a.基于影像光谱特征差异和水体指数的可分性Sentinel-2A都高于Landsat-8影像,且提取结果显著。b.Sentinel-2A相较于Landsat-8影像提取得到较高的精度,水体信息用户精度87.31%,总体精度达85.87%,以上研究结果表明:Sentinel-2A影像数据相较于Landsat-8数据在复杂的小尺度湿地提取水体信息的精度更高,研究结果可作为湿地的保护研究提供理论基础数据。     

基于MODIS/NDVI时序数据的土地覆盖分类

以250m分辨率的MODIS/NDVI时间序列数据为主要数据源,通过Sacizkky-Golay滤波重建高质量NDVI时间序列数据;同时融合500m分辨率的MODIS多光谱反射率数据和90m分辨率的DEM数据.将非监督分类法和决策树法相结合,进行黑龙江流域土地覆盖分类研究.对分类结果采用已有的土地覆盖数据和高分辨率遥感影像进行精度评价,评价结果表明,利用MODIS/NDVI时间序列数据获得较高精度的土地覆盖分类结果是可行的.     

基于MODIS LST修正NDVI时序数列的土地覆盖分类

MODIS以其时间分辨率、光谱分辨率的优势成为全球及区域土地覆盖研究的主要数据源。但如何快速准确的提取所需土地覆盖信息一直是科学界研究的焦点问题。对于NDVI时序数列分类方面的研究很多，其中影响分类精度的一个重要因素就是NDVI的数据质量问题。本文通过试验发现经过SavizkyGolay滤波处理的NDVI时序数列能够反映植被季相变化特征，与传统的滤波效果相比有明显改善，更符合实际情况。通过分析数据的波谱曲线，滤波后的时序数列能较好的区分植被与非植被、草本（一年生）与木本（多年生）覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征，仅通过NDVI序列很难区分。为解决这一问题，本研究利用MODIS地表温度（land surface temperature,LST）产品对NDVI时序数列修正，利用前5个主成分进行分类。所得分类结果用363个野外调查样区进行验证，总分类精度达到了69.15％，kappa系数为0.6499。结果表明添加LST的时序数列比单纯的NDVI夸大了覆盖类型的差异，提高了分类结果的精度。为充分发挥MODIS高时间分辨率的优势，下一步应对多源数据进行定量分析，结合植被的物候关键期识别土地覆盖类型，必将进一步提高分类精度。     

中药寒热药性分类的随机森林模型研究

通过随机森林算法获取变量的重要性并进行排序,确定模型参数,建立分类预测模型。实验表明,依据随机森林算法建立的模型,具有很好的分类及预测能力。     

基于ETM＋影像的凌源市土地利用遥感分类方法的研究

本文以辽宁省凌源市为研究对象,采用RS技术,以ETM＋数据为信息源,使用ENVI遥感影像处理软件进行数据处理,对凌源市土地利用类型进行分类,并对分类结果进行精度比较分析。分类的方法包括非监督分类,监督分类的最大似然法分类以及决策树分类。采用混淆矩阵法对三种分类结果进行精度分析。结果表明,非监督分类与最大似然法分类的总体精度分别为84.34%、85.82%,精度不高。在决策树分类中,对数据进行地物光谱特征分析、NDVI特征分析、主成分分析并结合DEM数据,建立一棵比较合理的决策树,总体分类精度达到90.65%。     

土地覆盖分类中遥感与GIS的应用原理

阐述了遥感与GIS在土地覆盖分类中的应用原理。遥感自动分类主要依赖地物的光谱特性,采用数理统计的方法,基于单个像元来进行,主要有监督分类和非监督分类的方法。GIS可以使分类结果更加精确,在GIS的支持下对遥感数据分类结果进行叠加分析,使分类图像与土地利用分区信息集合起来,可以很大程度上提高精确度。     

基于随机森林的图书采购决策模型

[目的/意义]为了最大限度地满足读者需求和优化馆藏的需要,辅助馆员进行图书采购决策。[方法/过程]综合考量图书采购的多种影响因素,对图书馆藏书和借阅数据进行挖掘,借助人工智能技术的研究成果,运用随机森林构建了图书采购决策模型。以湘潭大学图书馆近10年的采购数据作为样本,进行实验对比分析,并对模型进行反复调整与改进,形成新的采购模型。[结果/结论]实验结果表明该模型建设思路切实可行,具有较好的准确性,能够有效提高图书采购的资金利用率,为图书馆进行采购决策提供新思路和途径。     

基于CT影像组学特征的肾肿瘤组织学亚型分类

目的:分析基于CT影像组学特征的肾肿瘤组织学亚型分类的方法及作用,以期为肾透明细胞癌(ccRCC)、乏脂肪血管平滑肌脂肪瘤(fp-AML)临床鉴别诊断工作提供参考。方法:以我院38例ccRCC患者与40例fp-AML患者为研究对象,均施以CT影像学检测,提取其CT影像学组织学特征,以皮尔森相关阵矩去除冗杂特征,通过Welch’s实验,确定存在明显差异的特征,借助序列浮动前向选择算法筛选有鉴别能力的CT影像组学特征,应用Ada Boost、支持向量机(SVM)、随机森林(RF)、k最近邻(k NN)分类器实施分类。结果:在Ada Boost、SVM、RF、k NN4种分类器中,SVM的准确度、敏感度、特异度、阴性预测率、阳性预测率均较高,ROC曲线下面积较大,分别为91.82%、89.75%、92.36%、95.01%、86.42%、0.942。结论:基于CT影像组学特征的肾肿瘤组织学亚型分类模型的构建,可提高ccRCC、fp-AML临床鉴别准确度,促进临床诊疗工作的顺利开展。     

多时相遥感影像福州市热场与土地覆盖分析

城市化是全球变暖和城市热岛效应的重要影响因素,影响着区域气候、环境和社会经济发展。本研究采用两个不同季相TM/ETM+影像分析福州市及其周边地区土地覆盖及其热场的时空分布。为了精确获取土地覆盖信息,采用高分辨率影像提取不透水面并获取不透水面面积百分比信息,计算各级不透水面百分比的地表温度、归一化植被指数与归一化建设用地指数的平均值。通过各级平均值定量分析归一化植被指数、归一化建设用地指数、不透水面百分比与地表温度的关系,并计算各级不透水面对区域地表温度的贡献。分析结果显示:归一化建设用地指数,不透水面百分比与地表温度的相关指数分别>0.61和>0.67,明显高于归一化植被指数与地表温度的相关指数(<0.3);不同时相影像的相关性不同且夏季影像的相关性明显高于春季影像。研究表明本方法能够定量分析城市土地覆盖与热场的时空分布与变化。     

基于特征提取和随机森林的风机故障诊断

在低温环境潮湿环境中,风机极易发生叶片结冰现象,这可能会降低风电机组的效率。导致风机叶片结冰的因素较多,因此需要测量的特征参数也偏多,为了防止维数过多而导致模型训练时间过长,传统会采用主成分分析(Principal Components Analysis)等无监督降维方法,但这会丢失大量有用的数据,影响模型训练的准确性。同时,目前对风机叶片结冰故障诊断的准确度还有待提高。本文提出了一种基于ReleifF特征提取和随机森林算法的风机叶片结冰诊断新方法,提升了故障诊断的精确率。通过其他传统机器学习算法的比较,表明本文提出的方法在准确度优于其他算法,有效解决风机叶片结冰问题。     

基于局部线性嵌入的随机森林算法

随机森林是一种优秀的分类算法,然而随机森林算法不能有效的判断冗余属性,因此影响了在含有冗余属性的数据集上的分类效果。针对这一问题,本文提出了一种基于局部线性嵌入的随机森林算法。该算法利用局部线性嵌入算法对冗余属性数据集进行降维,然后利用随机森林算法进行分类学习。在UCI标准数据集上的仿真实验说明,本文算法是一种优秀的含冗余属性数据集分类算法。     

基于随机森林的变压器局部放电模式识别

针对目前在局部放电模式识别领域中常用的分类器算法的缺陷,本文研究随机森林(random forest,RF)算法在局部电放模式识别领域的应用。首先对局部放电试验数据提取统计特征量,构建放电的学习样本。利用十折法对算法分类性能进行评判,并比较常见分类算法BP神经网络、支持向量机(support vector machine,SVM))、KNN、分类回归树算法(classification and regression tree,CART)以及RF算法的识别准确率。结果表明:利用RF算法构建放电模式分类器的识别准确率最高。此外,利用组成RF的基分类算法CART可分析不同放电模式间的主要区别。     

基于训练集划分的随机森林算法

本文提出了一种基于训练集划分的随机森林算法。该算法首先将多数类划分为多个不相交子集。然后将每个子集与少数类合并,进行决策树的训练。最后根据平均加权策略构建随机森林,并获取最终的分类规则。本文所提方法避免了原始样本信息的损失,而且保持了子分类器的样本平衡。在人工生成数据集上的仿真实验表明本文方法非常有效。     

基于Spark的权重树随机森林算法

<正>point高维数据中很多特征所含有的分类信息少,面对这些数据,随机森林算法会产生很多分类能力弱的决策树,而其在集成决策树时无法差异化区分每一棵决策树,造成分类能力弱的决策树影响算法整体的分类性能。针对这一问题,提出一种权重树随机森林算法,依据权重对树进行集成,增强分类能力强的树对分类决策的权重,同时削弱分类能力弱的树对分类决策的权重,从而提高整个随机森林的分类决策性能。单机运行模式不能满足高效分类高维数据的需求,开源集群计算框架Spark能够内存