%0 Journal Article
%T Research and Application of the Decision Tree Classification Using MODIS Data<br>基于MODIS数据的决策树分类方法研究与应用
%A LIU Yong-hong
%A NIU Zheng
%A WANG Chang-yao
%A <br>刘勇洪
%A 牛铮
%A 王长耀
%J 遥感学报
%D 2005
%I 
%X 介绍了目前国际上流行的两种决策树算法———CART算法与C4·5算法,并引入了两种机器学习领域里的分类新技术———boosting和bagging技术,为探究这些决策树分类算法与新技术在遥感影像分类方面的潜力,以中国华北地区MODIS250m分辨率影像进行了土地覆盖决策树分类试验与分析。研究结果表明决策树在满足充分训练样本的条件下,相对于传统方法如最大似然法(MLC)能明显提高分类精度,而在样本量不足下决策树分类表现差于MLC;并发现在单一决策树生成中,分类回归树CART算法表现较C4·5算法具有分类精度和树结构优势,分类精度的提高取决于树结构的合理构建与剪枝处理;另外在决策树CART中引入boosting技术,能明显提高那些较难识别类别的分类准确率18·5%到25·6%。
%K decision tree
%K CART
%K C4
%K 5
%K boosting and bagging
%K land cover
%K MODIS 250m<br>决策树
%K CART算法
%K C4·5算法
%K boosting和bagging技术
%K 土地覆盖MODIS250m
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=E62459D214FD64A3C8082E4ED1ABABED5711027BBBDDD35B&cid=A41A70F4AB56AB1B&jid=F926358B31AC94511E4382C083F7683C&aid=55100FE8FC743DDD&yid=2DD7160C83D0ACED&vid=9CF7A0430CBB2DFD&iid=E158A972A605785F&sid=EB58C3052341AAA3&eid=216EFB25F7F834CC&journal_id=1007-4619&journal_name=遥感学报&referenced_num=16&reference_num=19