基于ＣＲＵＩＳＥ决策树分类算法的遥感影像分类研究

CRUISE 2D决策树分类算法作为一种数据挖掘和知识发现的监督分类方法，综合了FACT，CART，QUEST决策树分类的思想.通过单因子和双因子交互检验和引导校正，快速有效地降低分割变量选择时产生的偏差，提高树的可读性，建立简单、高效、准确的决策树模型.基于CRUISE 2D决策树方法，以藏南地区为研究区，综合利用TM影像6个波段、NDVI，NDWI，SBI，GVI等波段信息，基于相同的训练样本和检验样本，利用判别规则建立决策树对影像进行分类；并将其与传统的监督分类方法QUEST，SVM相比较，CRUISE 2D决策树分类方法总精度94.09% ，比QUEST，SVM分类分别高1086%，10.24%；Kappa系数0.931 0 ，比QUEST，SVM分类分别高出0.126 8，0.119 6.结果表明：CRUISE 2D能有效的改善传统监督分类中的错分漏分现象，在遥感分类上具有很高的稳健性和鲁棒性