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
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