典型文献
基于Stacking集成机器学习法的Sentinel-1海冰分类研究
文献摘要：
随着海冰监测需求的不断扩大,合成孔径雷达数据逐渐成为海冰遥感监测的重要数据,但现阶段用于雷达海冰监测的机器学习方法普遍精度不高且鲁棒性较低.针对上述问题,对Sentinel-1影像数据提取多种影像纹理特征,然后将轻量级梯度提升机、随机森林与深度置信神经网络通过Stacking方法集成后对海冰进行监测,并检验其精度.实验结果表明,相较于单一机器学习器,Stacking集成学习器具有更高的分类精度,证明集成学习可以提高海冰分类精度.
文献关键词：
反向神经网络;随机森林;轻量级梯度提升机;Stacking;集成机器学习
中图分类号：
作者姓名：
泥萍;唐凯;王志勇
作者机构：
山东科技大学,山东 青岛 266590;测绘工程国家级实验教学示范中心(山东科技大学),山东 青岛 266590
文献出处：
引用格式：
[1]泥萍;唐凯;王志勇-.基于Stacking集成机器学习法的Sentinel-1海冰分类研究)[J].矿山测量,2022(01):70-77
A类：
海冰遥感
B类：
Stacking,集成机器学习,Sentinel,海冰分类,分类研究,合成孔径雷达数据,遥感监测,重要数据,机器学习方法,影像数据,数据提取,纹理特征,轻量级梯度提升机,深度置信神经网络,方法集成,集成学习,分类精度,反向神经网络
AB值：
0.280709
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。
