植被是陆地生态系统的重要组成部分,植被能够保持水土,保护区域内生物多样性,荒漠区植被更是与全球气候变化及环境研究等密切相关。荒漠区植被信息提取能够客观地反映区域内的植被类型和植被生长状况,并且对于生产管理决策部门科学评价荒漠化地区的生态恢复效果、研究荒漠生态系统的碳循环过程以及实现荒漠生态系统的健康发展具有十分重要的意义。本文使用旋转森林算法,结合多光谱遥感影像和地形数据,计算得到光谱特征、纹理特征和地形特征三类共98个特征完成了以毛乌素沙地为例的荒漠区植被信息提取;基于植被信息提取的精度,对比了本文使用的分类方法和研究区已有的分类方法,并使用基于交互式数据语言(Interactive Data Language,IDL)将分类性能较高的旋转森林分类方法集成到ENVI软件中;最后对研究区内的植被类型空间分布情况进行分析。通过研究得到以下结论:(1)决策树“最小节点待分类个数”为5%平均类别样本数,旋转森林算法能够很好地防止模型的过拟合,提高模型的训练效率,最终提高模型的性能。此外,模型的决策树个数为10,特征子集内的特征数为3时,模型已经能够达到遥感影像分类的精度要求。因此,对于本研究区,上述参数设置为旋转森林算法最优的参数组合。(2)在荒漠区植被遥感信息提取的应用中,旋转森林算法能够达到遥感影像信息提取的精度要求,其精度要优于已有的分层分类与多指标结合的遥感信息提取方法。此外,基于旋转森林算法的植被信息提取方法比分层分类与多指标结合的遥感信息提取方法更加简单,分类时引入的主观因素更少,分类结果更为可信。因此,基于旋转森林算法的植被信息提取方法更适合用于荒漠区植被信息提取。(3)研究区内各县级单位植被类型分布空间差异性较大,毛乌素沙地核心区和毛乌素沙地外围区域的植被覆盖差异较大。具体来讲,毛乌素沙地核心区的内蒙古三个旗的植被覆盖度较低,植被类型较为简单。毛乌素沙地周边,陕西省五个县和宁夏两个县植被覆盖度较高,且植被类型分布多样。综上所述,基于旋转森林算法的植被信息提取能够快速准确地得到荒漠区的植被分布情况,可以为进一步研究水热格局以及土地利用类型对当地生态环境的影响提供基础和支撑,为其他区域的植被信息提取提供借鉴,为区域内的生态环境研究及全球气候变化研究提供支撑。
针对入侵检测系统存在性能不稳定等问题,结合旋转森林算法(Rotation of Forest,ROF)和极限学习机(Extreme Learning Machine,ELM)提出了一种新的入侵检测模型ROF-ELM。该算法首先提出入侵检测的评价指标,并综合小波变换来对评价指标建...
详细信息
针对入侵检测系统存在性能不稳定等问题,结合旋转森林算法(Rotation of Forest,ROF)和极限学习机(Extreme Learning Machine,ELM)提出了一种新的入侵检测模型ROF-ELM。该算法首先提出入侵检测的评价指标,并综合小波变换来对评价指标建立刻画方法,同时利用ROF-ELM对训练集进行处理,将得到的样本类标进行训练输出,以此提高检测效率。最后,利用MATLAB进行仿真实验,深入研究了在该算法下的入侵检测性能,结果发现ROF-ELM具有较好的适应性,在分类结果和预测正确率等方面性能更佳。
暂无评论