基于属性差决策树的全极化SAR影像海冰分类

编号 zgly0001652870

文献类型 期刊论文

文献题名 基于属性差决策树的全极化SAR影像海冰分类

作者 王常颖  田德政  韩园峰  隋毅  初佳兰 

作者单位 青岛大学数据科学与软件工程学院  青岛大学智慧城市与大数据技术研究院  国家海洋环境监测中心 

母体文献 遥感技术与应用 

年卷期 2018年05期

年份 2018 

分类号 P714.1  TN957.52 

关键词 SAR影像  属性差  决策树  海冰分类 

文摘内容 全极化SAR影像往往具有多个极化属性,不同海冰类型在不同极化方式下的成像亮度通常具有明显的差异。提出了一种适合于SAR影像海冰分类的属性差决策树分类分析(SDDT)方法,即在给定n个属性特征的样本基础上,通过计算任何两个属性的属性差特征的分类能力,选择出具有最优分类能力的属性差特征及其最优分裂值,实现海冰分类决策树的构建。采用这种策略,相当于在n+C2n个属性(原始n个属性与C2n个属性差)中寻找最优分类能力的属性,不仅充分考虑了影像中原始多极化属性特征,而且增加了属性差特征的有效利用,进而提高了分类精度。另外,针对计算属性分类能力的衡量指标,在C4.5算法中提出的信息增益比GainRatio基础上,进一步考虑了分裂点的宽度ΔWidth以及分裂点属性总宽度TotalWidth,定义了分类能力指数ClassifyAbility=GainRatio*ΔWidth/TotalWidth。实验表明:采用同样的训练样本,应用SDDT算法挖掘出的海冰分类规则,比C4.5算法挖掘出的分类规则的检测精度至少提高10%以上。