典型文献
车载激光点云道路场景杆状地物分类研究
文献摘要：
针对车载激光点云数据中杆状地物分类效果不理想以及单一分类算法具有局限性的问题,该文提出一种基于多重投票方式的改进引导聚集(Bagging)集成学习方法.根据地物点云特征值组成特征向量,利用样本集数据分别对多种机器学习算法进行训练并构建分类模型,获取每个分类器识别能力的先验知识;利用改进的Bagging集成分类算法对识别能力较强且可能存在互补信息的算法进行集成;采用多重投票方法实现杆状地物的 自动分类.实验结果表明,该文算法对道路场景中杆状地物的分类精度可达98.58％,高于其他单分类器,对点云 自动化分类具有一定的参考.
文献关键词：
点云分类;改进Bagging集成;杆状地物;决策树;支持向量机
中图分类号：
作者姓名：
臧静;李永强;赵上斌;刘亚坤;杨亚伦
作者机构：
河南理工大学测绘与国土信息工程学院,河南焦作 454000
文献出处：
引用格式：
[1]臧静;李永强;赵上斌;刘亚坤;杨亚伦-.车载激光点云道路场景杆状地物分类研究)[J].测绘科学,2022(04):122-128
A类：
杆状地物
B类：
车载激光点云,道路场景,地物分类,分类研究,激光点云数据,分类效果,分类算法,Bagging,集成学习方法,根据地,点云特征,组成特征,特征向量,样本集,机器学习算法,分类模型,分类器,器识,识别能力,先验知识,集成分类,投票方法,自动分类,分类精度,单分类,点云分类,决策树
AB值：
0.319909
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。
