基于XGBoost的机载激光雷达与高光谱影像结合的特征选择算法

基于XGBoost的机载激光雷达与高光谱影像结合的特征选择算法

论文摘要

为了解决地物分类的机载激光雷达(LiDAR)与高光谱特征构造中存在的特征维数过高的问题,提出了一种基于XGBoost与皮尔逊相关系数相结合的特征选择算法——XGB-PCCS,同时设计了XGBoost与序列后向选择相结合的特征选择算法——XGB-SBS与之对比。采用真实数据验证所设计的两种算法,结果表明:两种算法均可在保证分类结果准确率的基础上有效地减小特征集维数;XGB-SBS算法保留的特征维度为33,得到的总体分类精度为95.63%,Kappa系数为0.943;XGB-PCCS算法保留的特征维度为25,总体分类精度为95.55%,Kappa系数为0.942。XGB-PCCS算法的人为干预程度较低,运行时间较短,保留的特征集更精简。此外,对比了两种算法得到的特征子集,并总结了LiDAR点云与高光谱影像多模态特征构造中重要程度较高的24种特征。

论文目录

  • 1 引 言
  • 2 特征提取
  •   2.1 LiDAR数据特征的提取
  •     2.1.1 直接特征
  •     2.1.2 衍生特征
  •   2.2 高光谱影像特征的提取
  •     2.2.1 光谱特征
  •       1) 直接光谱特征
  •       2) 间接光谱特征
  •     2.2.2 纹理特征
  • 3 特征选择
  •   3.1 XGBoost算法的原理及其特征重要性量度
  •   3.2 XGB-SBS算法
  •   3.3 XGB-PCCS算法
  • 4 实验结果及分析
  •   4.1 研究区域及实验数据集
  •   4.2 XGB-SBS算法选择的结果
  •   4.3 XGB-PCCS算法选择的结果
  •   4.4 分类精度评价
  •   4.5 面向地物分类的多模态特征构造
  • 5 结 论
  • 文章来源

    类型: 期刊论文

    作者: 张爱武,董喆,康孝岩

    关键词: 遥感,特征选择,算法,皮尔逊相关系数,机载激光雷达,高光谱图像

    来源: 中国激光 2019年04期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 工业通用技术及设备,电信技术,自动化技术

    单位: 首都师范大学三维信息获取与应用教育部重点实验室,首都师范大学空间信息技术教育部工程研究中心

    基金: 国家自然科学基金(41571369),国家重点研发计划(2016YFB0502500),北京市自然科学基金(4162034),青海省科技计划(2016-NK-138),科技创新服务能力建设-基本科研业务费(科研类)项目(025185305000,143)

    分类号: TN958.98;TP751

    页码: 150-158

    总页数: 9

    文件大小: 1215K

    下载量: 301

    相关论文文献

    标签:;  ;  ;  ;  ;  ;  

    基于XGBoost的机载激光雷达与高光谱影像结合的特征选择算法
    下载Doc文档

    猜你喜欢