利用改进SEaTH算法的面向对象分类特征选择方法

余晓敏; 湛飞并; 廖明生; 胡金星

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用改进SEaTH算法的面向对象分类特征选择方法

余晓敏, 湛飞并, 廖明生, 胡金星

文章导航 > 武汉大学学报 ( 信息科学版) > 2012 > 37(8): 921-924

余晓敏, 湛飞并, 廖明生, 胡金星. 利用改进SEaTH算法的面向对象分类特征选择方法[J]. 武汉大学学报 ( 信息科学版), 2012, 37(8): 921-924.

引用本文:

余晓敏, 湛飞并, 廖明生, 胡金星. 利用改进SEaTH算法的面向对象分类特征选择方法[J]. 武汉大学学报 ( 信息科学版), 2012, 37(8): 921-924.

YU Xiaomin, ZHAN Feibing, LIAO Mingsheng, HU Jinxing. Object-oriented Feature Selection Algorithms Based on Improved SEaTH Algorithms[J]. Geomatics and Information Science of Wuhan University, 2012, 37(8): 921-924.

Citation:

YU Xiaomin, ZHAN Feibing, LIAO Mingsheng, HU Jinxing. Object-oriented Feature Selection Algorithms Based on Improved SEaTH Algorithms[J]. Geomatics and Information Science of Wuhan University, 2012, 37(8): 921-924.

利用改进SEaTH算法的面向对象分类特征选择方法

¹武汉大学资源与环境科学学院,武汉市珞喻路129号430079;²中国科学院深圳先进技术研究院,深圳市学苑大道1068号518055;³武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号430079

基金项目: 国家863计划资助项目(2010AA122202);;国家重大国际合作资助项目(2010DFA92720);;深圳基础研究(重点项目)资助项目(JC201005270334A)

详细信息

作者简介:
余晓敏，博士生，主要研究方向为遥感动态变化检测。

中图分类号: P237.3

Object-oriented Feature Selection Algorithms Based on Improved SEaTH Algorithms

¹ School of Resource and Environmental Science,Wuhan University,129 Luoyu Road,Wuhan 430079,China;² Shenzhen Institutes of Advanced Technology,Chinese Academy of Science,1068 Xueyuan Avenue,Shenzhen 518055,China;³ State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing, Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家863计划资助项目(2010AA122202);;国家重大国际合作资助项目(2010DFA92720);;深圳基础研究(重点项目)资助项目(JC201005270334A)

摘要: 针对分离阈值法(SEaTH)仅从类间距离评价特征,没有考虑类内距离和特征之间相关性的不足,提出了一种改进的SEaTH算法——ISEaTH。该算法分别依据特征相关性、类间距离和类内距离对特征进行评价,然后综合利用多种评价结果获取最优的特征子集。采用新疆喀什地区的QuickBird数据进行了特征选择的实验。结果表明,该方法不但能降低特征维数,有效优化特征空间,还能提高分类精度。
- 面向对象分类 /
- 特征选择 /
- SEaTH算法
Abstract: SEaTH algorithm is an object-oriented feature selection algorithm based on inter-class distance.We present an improved SEaTH—ISEaTH.It overcomes some limitations of existing SEaTH algorithms.The ISEaTH algorithm evaluates the features according to the relation between features,inter-class distance and intra-class distance respectively,and integrates multiple estimation results to obtain the best feature subset.Compared SEaTH and ISEaTH with QuickBird data in Kashi area of Xinjiang province,the experimental results show that the ISEaTH algorithm not only reduces feature dimensions,but also improves the classification accuracy,thus is a much more efficient object-oriented feature selection algorithm.
- object-oriented classification /
- feature selection /
- SEaTH algorithm

[1]	郎芹, 牛振国, 洪孝琪, 杨鑫莹. 青藏高原湿地遥感监测与变化分析 . 武汉大学学报 ( 信息科学版), 2021, 46(2): 230-237. doi: 10.13203/j.whugis20180277
[2]	王建辉, 程宝银, 吕志才. 基于多时相DOM的线性文化遗产自动化监测 . 武汉大学学报 ( 信息科学版), 2019, 44(1): 77-83. doi: 10.13203/j.whugis20180440
[3]	韩波, 李衡, 王志波, 崔晓晖. 气溶胶光学厚度估测中的LASSO特征选择方法 . 武汉大学学报 ( 信息科学版), 2018, 43(4): 536-541. doi: 10.13203/j.whugis20160014
[4]	陈铁桥, 柳稼航, 朱锋, 王一豪, 刘佳, 陈杰. 适用于遥感分类的多邻域粗糙集加权特征提取方法 . 武汉大学学报 ( 信息科学版), 2018, 43(2): 311-317. doi: 10.13203/j.whugis20150290
[5]	顾海燕, 闫利, 李海涛, 贾莹. 基于随机森林的地理要素面向对象自动解译方法 . 武汉大学学报 ( 信息科学版), 2016, 41(2): 228-234. doi: 10.13203/j.whugis20140102
[6]	孔博, 邓伟, 李爱农, 杨勇. 多源数据的面向对象国际河流土地覆被分类研究 . 武汉大学学报 ( 信息科学版), 2015, 40(7): 943-949. doi: 10.13203/j.whugis20130107
[7]	王云艳, 何楚, 涂峰, 陈东, 廖明生. 特征选择双层svm的融合算法用于极化sar图像分类 . 武汉大学学报 ( 信息科学版), 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351
[8]	. 多尺度下的半自动面向对象SAR影像分类 . 武汉大学学报 ( 信息科学版), 2013, 38(3): 253-256.
[9]	李雪, 舒宁, 李井冈, 刘小利. 基于特征贡献选择的遥感影像变化检测方法研究 . 武汉大学学报 ( 信息科学版), 2013, 38(10): 1158-1162.
[10]	刘梦玲, 陈嘉宇, 孙洪. Joint Boost特征选择的SAR信息可视化技术研究 . 武汉大学学报 ( 信息科学版), 2012, 37(10): 1240-1243.
[11]	何楚, 刘明, 许连玉, 刘龙珠. 利用特征选择自适应决策树的层次SAR图像分类 . 武汉大学学报 ( 信息科学版), 2012, 37(1): 46-49.
[12]	李祖传, 马建文, 张睿, 李利伟. 利用融合纹理与形态特征进行地震倒塌房屋信息自动提取 . 武汉大学学报 ( 信息科学版), 2010, 35(4): 446-450.
[13]	杨柳, 刘艳芳. 将微粒群和支持向量机用于耕地驱动因子选择的研究 . 武汉大学学报 ( 信息科学版), 2010, 35(2): 248-251.
[14]	管海燕, 邓非, 张剑清, 钟良. 面向对象的航空影像与LiDAR数据融合分类 . 武汉大学学报 ( 信息科学版), 2009, 34(7): 830-833.
[15]	薄树奎, 韩新超, 丁琳. 面向对象影像分类中分割参数的选择 . 武汉大学学报 ( 信息科学版), 2009, 34(5): 514-517.
[16]	闫利, 聂倩, 胡文元, 崔晨风. 基于对象级的ADS40遥感影像分类研究 . 武汉大学学报 ( 信息科学版), 2009, 34(2): 183-186.
[17]	张睿, 马建文. 一种SVM-RFE高光谱数据特征选择算法 . 武汉大学学报 ( 信息科学版), 2009, 34(7): 834-837.
[18]	叶志伟, 郑肇葆, 万幼川, 虞欣. 基于蚁群优化的特征选择新方法 . 武汉大学学报 ( 信息科学版), 2007, 32(12): 1127-1130.
[19]	陈云浩, 冯通, 史培军, 王今飞. 基于面向对象和规则的遥感影像分类研究 . 武汉大学学报 ( 信息科学版), 2006, 31(4): 316-320.
[20]	金淑英, 李德仁, 龚健雅. 基于偏最小二乘回归的纹理特征线性组合 . 武汉大学学报 ( 信息科学版), 2006, 31(5): 399-402.

点击查看大图

计量

文章访问数: 1488
HTML全文浏览量: 79
PDF下载量: 515
被引次数: 0

利用改进SEaTH算法的面向对象分类特征选择方法

¹武汉大学资源与环境科学学院,武汉市珞喻路129号430079;²中国科学院深圳先进技术研究院,深圳市学苑大道1068号518055;³武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号430079

基金项目: 国家863计划资助项目(2010AA122202);;国家重大国际合作资助项目(2010DFA92720);;深圳基础研究(重点项目)资助项目(JC201005270334A)

作者简介:
余晓敏，博士生，主要研究方向为遥感动态变化检测。

收稿日期: 2012-06-15
刊出日期: 2012-08-05

中图分类号: P237.3

关键词:

面向对象分类 /

特征选择 /

SEaTH算法

摘要: 针对分离阈值法(SEaTH)仅从类间距离评价特征,没有考虑类内距离和特征之间相关性的不足,提出了一种改进的SEaTH算法——ISEaTH。该算法分别依据特征相关性、类间距离和类内距离对特征进行评价,然后综合利用多种评价结果获取最优的特征子集。采用新疆喀什地区的QuickBird数据进行了特征选择的实验。结果表明,该方法不但能降低特征维数,有效优化特征空间,还能提高分类精度。