收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于XGBoost的机载激光雷达与高光谱影像结合的特征选择算法

张爱武  董喆  康孝岩  
【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。

知网文化
【相似文献】
中国期刊全文数据库 前5条
1 张爱武;董喆;康孝岩;;基于XGBoost的机载激光雷达与高光谱影像结合的特征选择算法[J];中国激光;2019年04期
2 梁茜茜;张汉德;孙根云;王鹏;;基于机载激光雷达数据的海岸带水域提取方法[J];遥感技术与应用;2018年01期
3 庞勇;赵峰;李增元;周淑芳;邓广;刘清旺;陈尔学;;机载激光雷达平均树高提取研究[J];遥感学报;2008年01期
4 曾齐红;毛建华;李先华;刘学锋;;机载激光雷达点云的阶层式分类[J];测绘科学;2008年01期
5 杨灿;;基于XGBoost的遥感图像中道路网络的提取[J];微型机与应用;2017年24期
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978