-
公开(公告)号：CN111898579A
公开(公告)日：2020-11-06
申请号：CN202010807258.8
申请日：2020-08-12
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于极限梯度提升的高分遥感影像无偏半监督分类模型，该模型结合半监督分类框架(Positive-Unlabeled Learning，PUL)与XGBoost的优势，在有限正样本条件下，通过引入未标记数据、改进训练样本构成来消除类间不平衡，提高少数类分类精度；同时，在模型训练时利用基于梯度增强的回归提高分类确定性。结果表明：与随机森林(RF)、XGBoost和支持向量机(SVM)相比，该模型能够同时提供较高的整体分类精度与少数类分类精度，且具有较强的稳定性，可在样本极其不平衡的情况下，表现出更好更稳定的性能。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
