典型文献
基于多传感器遥感数据和改进的单类随机森林的滑坡提取
文献摘要：
提出一种利用面向对象多特征和改进的单类随机森林分类器(improved one-class random forest classifier,iOCRF)从多传感器遥感数据提取滑坡的新方法.从两时相高分辨率多光谱图像和中分辨率数字高程模型(DEM)数据中提取的图像对象多特征,来定量表达滑坡引起地表变化和滑坡区地形特征,利用iOCRF对所有特征图像进行分类以提取滑坡.据研究区两时相高分辨多光谱图像和30 m分辨率的ASTER全球DEM数据对提出的方法进行评价.结果表明,所提出方法的提取精度优于只利用部分特征提取和利用传统随机森林的提取精度;利用iOCRF计算不同特征的重要性,并分析不同特征对滑坡提取的贡献.
文献关键词：
滑坡提取;多传感器数据;单类随机森林;特征重要性
中图分类号：
作者姓名：
刘君茹;吕悦琪;李培军
作者机构：
山西省住房和城乡建设厅,山西 太原030013;北京大学地球与空间科学学院遥感所,北京100871
文献出处：
引用格式：
[1]刘君茹;吕悦琪;李培军-.基于多传感器遥感数据和改进的单类随机森林的滑坡提取)[J].新疆地质,2022(04):512-521
A类：
单类随机森林,iOCRF
B类：
遥感数据,滑坡提取,面向对象,多特征,随机森林分类器,improved,one,random,forest,classifier,数据提取,多光谱图像,数字高程模型,DEM,定量表达,地表变化,滑坡区,地形特征,特征图像,ASTER,分特征,多传感器数据,特征重要性
AB值：
0.276791
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。
