典型文献
基于多核主动学习和多源数据融合的农田塑料覆被分类
文献摘要：
通过引入多源多时相卫星遥感数据,提出了一种基于多核主动学习的农田塑料覆被分类算法,实现农业塑料大棚和地膜的精准分类.首先基于多时相Sentinel-1雷达和Sentinel-2光学遥感影像,提取其光谱特征、纹理特征等,以构建多维特征空间.然后构建多核学习模型,实现多源、多时相特征的自适应融合.最后构建基于池的主动学习策略,通过引入训练样本的淘汰机制,进一步提升分类模型的泛化能力.试验结果表明,本文所提分类方法的总体精度为95.6％,Kappa系数为0.922,相较经典支持向量机、随机森林、K近邻、决策树、AdaBoost模型,多核学习模型精度提高5.7、12.1、11.4、22.3、10.3个百分点;且在相同分类精度下,主动学习较被动学习可减少一半以上的标签数据;同时相较仅使用单时相及单传感器遥感影像而言,精度分别提高3.7、12.7个百分点.结果 表明,多核主动学习能够有效进行多传感器、多时相数据融合,并可以在小样本条件下取得更高的分类精度,从而为农田塑料覆被的遥感监测提供模型参考.
文献关键词：
农田塑料覆被;多源遥感数据;多核主动学习;遥感影像分类
中图分类号：
作者姓名：
冯权泷;牛博文;朱德海;刘逸铭;欧聪;刘建涛
作者机构：
中国农业大学土地科学与技术学院,北京100083;自然资源部农用地质量与监控重点实验室,北京100193;中国移动通信集团广东有限公司,广州510623;山东建筑大学测绘地理信息学院,济南250101
文献出处：
引用格式：
[1]冯权泷;牛博文;朱德海;刘逸铭;欧聪;刘建涛-.基于多核主动学习和多源数据融合的农田塑料覆被分类)[J].农业机械学报,2022(02):177-185
A类：
多核主动学习,农田塑料覆被,基于池的主动学习
B类：
多源数据融合,多源多时相,卫星遥感数据,分类算法,塑料大棚,地膜,精准分类,Sentinel,光学遥感影像,光谱特征,纹理特征,多维特征,特征空间,多核学习,自适应融合,主动学习策略,训练样本,淘汰机制,分类模型,泛化能力,提分,分类方法,总体精度,Kappa,近邻,决策树,AdaBoost,模型精度,百分点,分类精度,标签数据,单传,多传感器,多时相数据,小样本,样本条件,遥感监测,多源遥感数据,遥感影像分类
AB值：
0.318032
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
