基于决策树的高光谱数据特征选择及其对分类结果的影响分析

查看全文 作　　者：[1]王圆圆;[1]李京

机构地区：[1]北京师范大学资源学院资源技术与工程研究所,北京100875

出　　处：《遥感学报》索引2007年第11卷第1期,共8页

基　　金：国家高技术研究发展计划(编号:2002AA130020);科技部政府间科技合作项目(编号:CHN-24/2004) 摘　　要：本文利用OM IS高光谱数据,研究了决策树算法(Dec ision Tree,DT)特征选择的特点以及特征选择对决策树分类结果的影响。设计了三种特征选择方法:SEP,MDLM和RELIEF,将它们与DT特征选择的结果以及特征选择后的分类精度(考虑了三种分类器:最大似然法、后向传播神经网络、最邻近法)进行对比,并分析了这三种特征选择方法对决策树结构和分类精度的影响。结果显示,DT是一种比较好的特征选择方法;经过特征选择后再生成的决策树比直接生成的决策树,用到更少的特征(平均减少了43.36%)、有更多的节点(平均增加了18.61%)和更高的分类精度(平均提高了0.35%),当样本数量少时,分类精度的提高幅度最大,而树的大小却基本没有增加。 关键词：决策树高光谱特征选择

相关文献

参考文献（20）
引证文献（32）
耦合文献（0）

参考文献(20)

引证文献(32)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于决策树的高光谱数据特征选择及其对分类结果的影响分析

参考文献(20)

引证文献(32)

用户提示