Boosting和Bagging算法的高分辨率遥感影像分类探讨High resolution remote sensing image classificatoin based on Boosting and Bagging algorithms
陈绍杰,逄云峰
摘要(Abstract)：
多分类器集成能够有效地提高遥感分类精度、降低结果中的不确定性,基于样本操作的Boosting和Bagging算法是多分类器系统常用的两种算法。针对高分辨率卫星遥感分类的需求,以Qu ickb ird数据为例,分别以BP神经网络、RBF神经网络和决策树为基分类器,对Boosting和Bagging算法的应用效果进行了实验和分析评价,结果表明Boosting算法和Bagging算法能够用于高分辨率遥感影像分类,具有较好的分类性能。
关键词(KeyWords)： 多分类器集成;Boosting;Bagging;高分辨率遥感
基金项目(Foundation):
作者(Author): 陈绍杰,逄云峰
DOI: 10.16251/j.cnki.1009-2307.2010.05.077
参考文献(References)：
- [1]D LU,Q WENG.A survey of image classification meth-ods and techniques for improving classification perform-ance[J].International Journal of Remote Sensing,March 2007,28:823-870.
- [2]Gunnar Jakob Briem,Jon Atli Benediktsson,and Johan-nes R.Sveinsson.Use of Multiple Classifiers in Classifi-cation of Data from Multiple Data Sources[J].Geosci-ence and Remote Sensing Symposium,2001.IGARSS,Volume 2:882-884.
- [3]柏延臣,王劲峰.结合多分类器的遥感数据专题分类方法研究[J].遥感学报,2005,9(5):555-563.
- [4]柏延臣,王劲峰.遥感信息的不确定性研究:分类与尺度效应模型[M].北京:地质出版社,2003.
- [5]承继成,郭华东,史文中,等.遥感数据的不确定性问题[M].北京:科学出版社,2004.
- [6]L.Breiman,Bagging predictors[M].Machine learn-ing,Kluwer Academic Publishers,Boston,1996.
- [7]YFreund and R.Schapire,Experiments with a newboostingalgorithm[C]//Proc the Thirteenth International Confer-ence on Machine Learning,Morgan Kaufmann,1996.
- [8]郭亚琴.分类器设计与组合技术研究[D].扬州:扬州大学,2007.