|
|
1.
基于多维多粒度级联森林的高原地区云雪分类
翁理国, 刘万安, 施必成, 夏旻
计算机应用
2018, 38 (8):
2218-2223.
DOI: 10.11772/j.issn.1001-9081.2018010218
针对传统算法如支持向量机（SVM）、随机森林不能充分利用卫星图像的纹理特征和光学参数的问题，提出一种基于多维多粒度级联森林（M-gcForest）的方法进行准确又快速的云雪识别。首先，根据单光谱和多光谱图像之间的差异性，选择SVM、随机森林、卷积神经网络（CNN）、多粒度级联森林（gcForest）在单光谱卫星图像上进行云雪识别；然后，通过定量分析各算法在单光谱图像上的性能，选择CNN和M-gcForest进行多光谱云雪识别；最后，利用改进的M-gcForest对HJ-1A/1B多光谱卫星图像进行预测。实验结果表明，与CNN相比，M-gcForest在多光谱数据集上的测试准确率提升了0.32%，训练耗时减少了91.2%，测试耗时减少了53.7%。因此，该算法在实时而准确的雪灾监测任务中具有实用性。
参考文献 |
相关文章 |
多维度评价
|
|
