The invention provides a training method, a wheat recognition method and a training system based on random forest model, which relates to the technical field of computer application technology, including acquiring random forest model, in which random forest model includes multiple decision trees, acquiring multiple training sample data, including category data and feature sample data, and sequentially transferring multiple training samples. Sample data are input into the random forest model to obtain multiple prediction data; the accuracy of the random forest model is calculated based on multiple prediction data and multiple categories of data; the random forest model is optimized according to the accuracy, and the optimized random forest model is obtained, which alleviates the technical problem of low efficiency of land feature recognition using remote sensing technology.
【技术实现步骤摘要】
基于随机森林模型的训练方法、小麦识别方法和训练系统
本专利技术涉及计算机应用技术的
,尤其是涉及一种基于随机森林模型的训练方法、小麦识别方法和训练系统。
技术介绍
近年来,利用遥感技术对小麦提取的研究取得了很大的进步,最先出现的识别和提取技术是图像目视解译,被广泛地应用于各类地物的信息提取工作中。图像目视解译虽然应用场景较多,但该方法定位不准确,时效性差,可重复性差,且存在个人差异,难以满足日益增长的用户需求。针对利用遥感技术对地物识别效率低的问题,目前尚未提出有效的解决方案。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种基于随机森林模型的训练方法、小麦识别方法和训练系统,以缓解了利用遥感技术对地物识别效率低的技术问题。第一方面,本专利技术实施例提供了一种基于随机森林模型的训练方法,包括:获取随机森林模型,其中,随机森林模型包括多颗决策树;获取多个训练样本数据,训练样本数据包括类别数据和特征样本数据;依次将多个训练样本数据输入随机森林模型,获得多个预测数据;根据多个预测数据和多个类别数据计算随机森林模型的精度;根据精度对随机森林模型进行优化,获得调优随机森林模型。结合第一方面,本专利技术实施例提供了第一方面的第一种可能的实施方式,其中,根据多个预测数据和多个类别数据计算随机森林模型的精度的步骤,包括:计算多个预测数据的相关性和/或误差;根据相关性和/或误差得到随机森林模型的精度。结合第一方面,本专利技术实施例提供了第一方面的第二种可能的实施方式,其中,根据精度对随机森林模型进行优化,获得调优随机森林模型的步骤,包括:根据随机森林模型的精度和优化规 ...
【技术保护点】
1.一种基于随机森林模型的训练方法,其特征在于,包括:获取所述随机森林模型,其中,所述随机森林模型包括多颗决策树;获取多个训练样本数据,所述训练样本数据包括类别数据和特征样本数据;依次将多个所述训练样本数据输入所述随机森林模型,获得多个预测数据;根据多个所述预测数据和多个所述类别数据计算所述随机森林模型的精度;根据所述精度对所述随机森林模型进行优化,获得调优随机森林模型。
【技术特征摘要】
1.一种基于随机森林模型的训练方法,其特征在于,包括:获取所述随机森林模型,其中,所述随机森林模型包括多颗决策树;获取多个训练样本数据,所述训练样本数据包括类别数据和特征样本数据;依次将多个所述训练样本数据输入所述随机森林模型,获得多个预测数据;根据多个所述预测数据和多个所述类别数据计算所述随机森林模型的精度;根据所述精度对所述随机森林模型进行优化,获得调优随机森林模型。2.根据权利要求1所述的基于随机森林模型的训练方法,其特征在于,所述根据多个所述预测数据和多个所述类别数据计算所述随机森林模型的精度的步骤,包括:计算多个所述预测数据的相关性和/或误差;根据所述相关性和/或所述误差得到所述随机森林模型的所述精度。3.根据权利要求1所述的基于随机森林模型的训练方法,其特征在于,所述根据所述精度对所述随机森林模型进行优化,获得调优随机森林模型的步骤,包括:根据所述随机森林模型的所述精度和优化规则调整所述随机森林模型的模型参数,获得调优模型参数;根据所述调优模型参数训练所述随机森林模型,获得所述调优随机森林模型。4.根据权利要求1所述的基于随机森林模型的训练方法,其特征在于,所述获取所述随机森林模型的步骤,包括:获取学习样本数据集;根据所述学习样本数据集获取多个学习样本数据子集;根据多个所述学习样本数据子集和分类回归方法分别生成多颗所述决策树,多颗所述决策树构成所述随机森林模型。5.根据权利要求4所述的基于随机森林模型的训练方法,其特征在于,所述根据所述学习样本数据集获取多个学习样本数据子集的步骤,包括重复执行以下处理:从所述学习样本数据集中有放回的随机获取多个样本数据,组成第l个样本数据子集,l>0。6.根据权利要求5所述的基于随机森林模型的训练方法,其特征在于,所述根据多个所述学习样本数据子集和分类回归方法分别生成多颗所述决策树的步骤,包括重...
【专利技术属性】
技术研发人员:李旭青,刘世盟,金永涛,李龙,
申请(专利权)人:北华航天工业学院,
类型:发明
国别省市:河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。