基于随机森林算法的底栖动物高光谱数据分类方法研究
文献类型：CNKI期刊论文
| 作者 | 董建江; 田野; 张建兴; 栾振东; 杜增丰 |
| 发表日期 | 2023-10-10 |
| 出处 | 光谱学与光谱分析
 |
| 关键词 | 随机森林 高光谱成像 分类 原位识别 底栖动物 特征选择 |
| 英文摘要 | 旨在实现对海洋牧场水下底栖动物的原位识别，使用随机森林算法实现识别分类检测，对目标生物进行分类识别分析，深入挖掘数据，提高工作效率和决策可靠性。利用研发的水下高光谱成像分析仪，在不同的水下环境中通过获取五种海洋牧场常见经济动物(虾夷扇贝、栉孔扇贝、脉红螺、皱纹盘鲍、仿刺参)的高光谱数据，归一化处理后运用机器学习中的随机森林(RF)、基于主成分分析的随机森林(PCA-RF)、基于递归特征消除的随机森林(RFE-RF)三种随机森林算法对五种底栖动物进行分类识别以及对比分析。通过RF的变量重要性排序，筛选出排名较高，对模型贡献度高的波段所对应的反射谱强度数据，再将排名靠前的特征波段数据输入分类器中，通过优化参数，得到分类准确度。将数据的分类结果输出混淆矩阵，可以看到五种样品的识别情况。脉红螺样品识别精度最低，为64%;仿刺参与栉孔扇贝的识别精度最高，达到了100%;虾夷扇贝与皱纹盘鲍的识别精度分别为91%与96%。三种方法最终得到的分类精度分别为：RF 90.13%; PCA-RF 95.20%; RFE-RF 98.74%,达到了较为理想的分类效果，体现了随机森林算法运用在水下高光谱数据分类研究的可行性。 |
| 文献子类 | CNKI期刊论文 |
| 资助机构 | 国家重点研发计划项目(2019YFD0900802) ; 中国科学院海洋大科学研究中心重点部署项目(COMS2019J06)资助 |
| 卷 | v.43期:10页:33-40 |
| 语种 | 中文; |
| 分类号 | Q958;TP751;TP181 |
| ISSN号 | 1000-0593 |
| 源URL | [http://ir.qdio.ac.cn/handle/337002/186989]  |
| 专题 | 中国科学院海洋研究所 |
| 作者单位 | 1.中国海洋大学信息科学与工程学部物理与光电工程学院 2.中国科学院海洋研究所中国科学院海洋地质与环境重点实验室&深海极端环境与生命过程研究中心中国科学院海洋大科学研究中心 |
| 推荐引用方式 GB/T 7714 | 董建江,田野,张建兴,等. 基于随机森林算法的底栖动物高光谱数据分类方法研究. 2023. |
入库方式： OAI收割
来源：海洋研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。