一种基于集成学习算法的遥感图像分类方法

摘要

本申请提供一种基于集成学习算法的遥感图像分类方法，根据遥感图像的原始数据集D，确定支持向量机、随机森林和BP神经网络分类算法模型的最终精度，进而确定主分类算法模型与辅助算法模型；获取遥感图像的预测数据集Dt并导入算法模型，得到主分类算法结果集S和辅助分类算法结果集S1和S2；比较主分类算法结果集S中的遥感图像分类类型Wi与辅助分类算法结果集S1和S2中对应的遥感图像分类类型V1i和V2i，判断对应的遥感图像Dti的分类结果；本申请采用交叉验证进行分组提高样本代表程度；利用多种算法模型，在每次循环时利用精确度确定主分类算法和辅助分类算法，对预测结果进行多重计算、多对比，减少误判和错判情况的概率，提高了预测精度。