期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
利用Sentinel-2光谱指数和改进的单类随机森林的塑料大棚提取方法
1
作者 肖明珠 李培军 《自然资源遥感》 北大核心 2025年第4期40-47,共8页
塑料大棚在现代农业中得到广泛应用,但其使用也带来了一些生态环境问题。利用遥感数据能够有效进行大范围的塑料大棚提取与识别,但现有的研究常采用分类法或光谱指数法提取塑料大棚,缺乏对2种方法的结合与对比分析。因此,该文提出一种... 塑料大棚在现代农业中得到广泛应用,但其使用也带来了一些生态环境问题。利用遥感数据能够有效进行大范围的塑料大棚提取与识别,但现有的研究常采用分类法或光谱指数法提取塑料大棚,缺乏对2种方法的结合与对比分析。因此,该文提出一种利用多个Sentinel-2光谱指数结合单类分类方法(即改进的单类随机森林)的塑料大棚提取方法。该方法将6种塑料大棚光谱指数作为特征,使用改进的单类随机森林方法提取塑料大棚,并与该文提出的方法进行对比,以验证该方法的有效性。结果表明:该方法在4个季节图像的提取结果的总体精度(overall accuracy,OA)均在97%以上,Kappa系数高于0.82,F1高于0.84,均高于6个指数的提取精度。同时,该文方法在不同季节提取的OA差异在1%以内,Kappa系数与F1分数的差异在0.1以内,季节稳定性强,均优于单独使用光谱指数的塑料大棚提取结果。研究可为准确监测塑料大棚空间分布提供科学依据和参考意见。 展开更多
关键词 塑料大棚 光谱指数 单类随机森林
在线阅读 下载PDF
基于动态单类随机森林的非线性过程监控方法 被引量:6
2
作者 曹玉苹 卢霄 +1 位作者 田学民 邓晓刚 《化工学报》 EI CAS CSCD 北大核心 2017年第4期1459-1465,共7页
针对高维化工过程中存在的非线性和动态特性,提出了一种基于动态单类随机森林(dynamic one-class random forest,DOCRF)的过程监控方法。对正常运行状态下的过程数据进行稀疏性分析,根据其反分布产生离群点数据。利用典型变量分析对正... 针对高维化工过程中存在的非线性和动态特性,提出了一种基于动态单类随机森林(dynamic one-class random forest,DOCRF)的过程监控方法。对正常运行状态下的过程数据进行稀疏性分析,根据其反分布产生离群点数据。利用典型变量分析对正常数据进行相关性分析,分别将正常数据和离群点数据投影到典型变量空间,利用典型变量空间数据训练单类随机森林。基于单类随机森林模型根据待检测样本与正常数据的相似度构造监控统计量进行故障检测。在Tennessee Eastman过程的仿真结果表明,所提DOCRF方法总体优于单类支持向量机方法。 展开更多
关键词 过程监控 单类随机森林 支持向量机 典型变量分析
在线阅读 下载PDF
采用单类随机森林的异常检测方法及应用 被引量:13
3
作者 张西宁 张雯雯 +1 位作者 周融通 向宙 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第2期1-8,157,共9页
针对随机森林算法不能处理异常检测问题的局限,提出了一种基于改进格雷厄姆扫描法的单类随机森林,实现了随机森林在只有单类样本时的分类应用。在格雷厄姆扫描法的算法原理以及操作流程的基础上,引入了边界软化率的概念,增大了数据点外... 针对随机森林算法不能处理异常检测问题的局限,提出了一种基于改进格雷厄姆扫描法的单类随机森林,实现了随机森林在只有单类样本时的分类应用。在格雷厄姆扫描法的算法原理以及操作流程的基础上,引入了边界软化率的概念,增大了数据点外边界的柔性。利用射线法生成与输入样本反分布的数据集,使得传统的随机森林模型经过训练后成为拥有精细决策边界的单类随机森林。训练好的模型输出待测数据的异常概率。在XJTU-SY轴承数据集上验证了所提方法对于滚动轴承状态监测的有效性。分析结果表明,单类随机森林能准确分离正常运行数据与退化数据,并且可以通过调整边界软化率来实现异常值检测准确率与召回率的平衡。当预测概率阈值取0.5时,硬边界的单类随机森林可以实现98.37%的检测准确率以及0.972的召回率,而0.05的边界软化率可以得到最小的退化后期预测均方根误差,较硬边界降低1.01%。随着阈值的增大,边界软化率提供了有力的召回率保障。 展开更多
关键词 格雷厄姆扫描法 射线法 单类随机森林 特征融合 轴承状态监测
在线阅读 下载PDF
基于形态学属性剖面和单类随机森林分类的道路路域新增建筑物提取方法 被引量:9
4
作者 史忠奎 李培军 +1 位作者 罗伦 阳柯 《北京大学学报(自然科学版)》 EI CAS CSCD 北大核心 2018年第1期105-114,共10页
提出一种利用形态学属性剖面和单类随机森林分类的道路路域新增建筑物提取方法。用该方法计算路域范围内两时相高分辨率遥感影像的形态学属性剖面,将得到的形态学属性剖面与光谱特征叠加,采用改进的单类随机森林分类方法直接提取新增建... 提出一种利用形态学属性剖面和单类随机森林分类的道路路域新增建筑物提取方法。用该方法计算路域范围内两时相高分辨率遥感影像的形态学属性剖面,将得到的形态学属性剖面与光谱特征叠加,采用改进的单类随机森林分类方法直接提取新增建筑物。以北京市稻香湖地区两时相高分辨率影像作为实验数据,对比分析该方法与经典两时相直接分类及分类后比较方法的新增建筑物提取精度。结果表明,综合利用形态学属性剖面和光谱特征提取得到的新增建筑物提取精度比仅使用光谱特征的提取精度显著提高,其中Kappa系数提高15.11%。此外,该方法提取结果的Kappa系数比两时相直接分类方法提高1.78%,比分类后比较方法提高25.15%,验证了所提方法的有效性。所采用的单类随机森林方法能够有效地处理高维数据,并可以度量不同特征对分类结果的重要性。 展开更多
关键词 高分辨率遥感影像 道路路域 建筑物变化检测 形态学属性剖面 单类随机森林
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部