基于MODIS数据的决策树分类方法研究与应用

编号 zgly0001591350

文献类型 期刊论文

文献题名 基于MODIS数据的决策树分类方法研究与应用

作者 刘勇洪  牛铮  王长耀 

作者单位 中国科学院遥感应用研究所遥感科学国家重点实验室  中国科学院遥感应用研究所遥感科学国家重点实验室北京100101  北京100101  北京100101 

母体文献 遥感学报 

年卷期 2005年04期

年份 2005 

分类号 TP79 

关键词 决策树  CART算法  C4·5算法  boosting和bagging技术  土地覆盖MODIS250m 

文摘内容 介绍了目前国际上流行的两种决策树算法———CART算法与C4·5算法,并引入了两种机器学习领域里的分类新技术———boosting和bagging技术,为探究这些决策树分类算法与新技术在遥感影像分类方面的潜力,以中国华北地区MODIS250m分辨率影像进行了土地覆盖决策树分类试验与分析。研究结果表明决策树在满足充分训练样本的条件下,相对于传统方法如最大似然法(MLC)能明显提高分类精度,而在样本量不足下决策树分类表现差于MLC;并发现在单一决策树生成中,分类回归树CART算法表现较C4·5算法具有分类精度和树结构优势,分类精度的提高取决于树结构的合理构建与剪枝处理;另外在决策树CART中引入boosting技术,能明显提高那些较难识别类别的分类准确率18·5%到25·6%。