论文部分内容阅读
集成方法具有泛化性能强稳定性高的特点,在复杂数据的分类中得到了有效利用。本文主要对集成方法进行研究,在此基础上将集成方法应用到遥感分类领域中。针对原始旋转森林集成方法对复杂数据进行分类时产生的过拟合问题,提出一种改进的旋转森林集成分类方法。首先利用旋转森林集成方法对原始训练集进行特征分割与特征提取,由此增强各基分类器之间的差异性,在此基础上,将学习速度快的极限学习机作为基分类器对数据进行分类处理,提高模型分类的速度。进而将集成方法引入到遥感分类中,针对遥感数据非负的特点,提出一种基于神经网络集成的遥