基于对象的随机森林遥感分类方法优化
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-13页 |
| 1.2.1 面向对象影像分析方法(OBIA) | 第10-11页 |
| 1.2.2 随机森林分类方法 | 第11-13页 |
| 1.3 本文内容组织和安排 | 第13-15页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 论文组织结构 | 第13-15页 |
| 2 面向对象的遥感影像分类关键技术 | 第15-27页 |
| 2.1 几种常见的分割算法 | 第15-21页 |
| 2.1.1 区域生长分割算法 | 第16-18页 |
| 2.1.2 分水岭分割算法 | 第18-19页 |
| 2.1.3 分形网络演化分割算法 | 第19-21页 |
| 2.2 分类算法介绍 | 第21-27页 |
| 2.2.1 支持向量机分类算法(SVM) | 第22-23页 |
| 2.2.2 K最近邻分类算法(KNN) | 第23-24页 |
| 2.2.3 随机森林分类算法(RF) | 第24-27页 |
| 3 随机森林分类优化 | 第27-47页 |
| 3.1 基于样本选择优化的随机森林 | 第27-34页 |
| 3.1.1 非平衡数据 | 第27-32页 |
| 3.1.2 实验与分析 | 第32-34页 |
| 3.2 基于特征选择优化的随机森林 | 第34-42页 |
| 3.2.1 随机森林分类中的特征选取 | 第35-39页 |
| 3.2.2 实验与分析 | 第39-42页 |
| 3.3 基于模型参数优化的随机森林 | 第42-47页 |
| 3.3.1 随机森林分类模型参数选择 | 第42-44页 |
| 3.3.2 实验与分析 | 第44-47页 |
| 4 实验与分析 | 第47-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 不足及展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-62页 |
| 附录 | 第62页 |
