分类是遥感影像处理和地学应用中*重要的内容之一，多分类器集成则是提高影像分类精度、控制不确定性的有效策略。《遥感多分类器集成方法与应用》在介绍遥感影像分类、集成学习和多分类器系统基本知识的基础上，对遥感多分类器集成的理论、方法和应用进行系统探讨。首先，简要介绍遥感影像分类的基本概念、基本理论和常用分类器，论述多分类器集成的重要性和研究进展。然后，从集成学习、多分类器系统的基本理论和方法出发，提出遥感多分类器集成的实现策略，系统探讨样本层和特征层集成学习算法，包括Boosting、Bagging、随机森林等在遥感影像分类中的应用，并将**的集成学习方法旋转森林应用于遥感影像分类，进行系统的改进和优化。同时，研究异质多分类器集成在遥感影像分类中的应用，重点对分类器选择、组合策略、动态分类器组成等进行探讨。*后，对遥感多分类器集成的若干应用进行实例介绍和系统总结。
本书在介绍遥感影像分类、集成学习和多分类器系统基本知识的基础上, 对遥感多分类器集成的理论、方法和应用进行系统探讨。首先, 简要介绍遥感影像分类的基本概念、基本理论和常用分类器, 论述多分类器集成的重要性和研究进展。然后, 从集成学习、多分类器系统的基本理论和方法出发, 提出遥感多分类器集成的实现策略, 系统探讨样本层和特征层集成学习算法, 包括Boosting、Bagging、随机森林等在遥感影像分类中的应用, 并将新的集成学习方法旋转森林应用于遥感影像分类, 进行系统的改进和优化。同时, 研究异质多分类器集成在遥感影像分类中的应用, 重点对分类器选择、组合策略、动态分类器组成等进行探讨。*后, 对遥感多分类器集成的若干应用进行实例介绍和系统总结。
|
