典型文献
优化随机森林的高光谱图像降维及分类算法
文献摘要：
对传统随机森林(Random Forest,RF)特征降维方法存在的去冗余能力不足及随机森林分类器缺乏有效的寻优方法获取最优超参数的问题进行研究,提出一种优化随机森林的高光谱图像降维及分类(Optimized Random Forest Algorithm for Hyperspectral Image Dimensionality Reduction and Classification,ORFDRC)算法.该算法通过增强型随机森林降维(Enhanced Random Forest Dimension Reduction,ERFDR)的预处理,使用网格-爬山(Grid-Hill Climbing,GHC)算法对RF模型进行超参数优化,并构建优化后的网格-爬山随机森林(Grid-Hill Climbing Random Forest,GHC-RF)分类器.最后,将降维后得到的新特征集输入到GHC-RF分类器中进行分类.在多个数据集上与多种降维算法及分类器进行实验对比,验证结果表明,ORFDRC算法在完成高光谱图像分类任务的同时,具有更高的分类精度.
文献关键词：
高光谱图像;随机森林;超参数寻优;遥感图像分类
中图分类号：
作者姓名：
李淑英;程磊;彭柏栋;张强
作者机构：
西安邮电大学 自动化学院,陕西西安710121
文献出处：
引用格式：
[1]李淑英;程磊;彭柏栋;张强-.优化随机森林的高光谱图像降维及分类算法)[J].西安邮电大学学报,2022(05):67-76
A类：
高光谱图像降维,ORFDRC,ERFDR,GHC
B类：
分类算法,Random,Forest,特征降维,降维方法,去冗,余能,随机森林分类器,优超,Optimized,Algorithm,Hyperspectral,Image,Dimensionality,Reduction,Classification,增强型,Enhanced,爬山,Grid,Hill,Climbing,超参数优化,新特征,征集,集输,降维算法,实验对比,高光谱图像分类,分类任务,分类精度,超参数寻优,遥感图像分类
AB值：
0.303018
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。
