基于样本优选改进的随机森林遥感影像分类研究

摘要

在遥感影像分类的随机森林(Random Forests,RF)算法中,样本的质量是分类的基础和重要环节,构建优质的样本数据集是一项重要工作,本文对此进行研究,并提出以计算样本间的相似度的方法作为度量标准,来优化样本数据集.结果表明:①由计算相似度方法优化后的样本数据精确度得到提升,对各类别的数据判读更加明确;②在文中实验条件下,改进的随机森林法的分类结果优于传统方法,且精度优于CART决策树和SVM方法.