【技术实现步骤摘要】
本专利技术涉及遥感图像识别，具体涉及一种基于随机森林模型重构决策规则的红海榄遥感提取方法。
技术介绍
1、红海榄是我国红树林生态系统的建群种之一，是真红树植物的典型代表，红海榄具有发达的支柱根形成的稳固支架，具有相对同属种红树更强的防风、消浪和固岸能力，这一树种多分布在沿海滩涂的中内滩部分，对环境条件要求不高，因此，红海榄成为我国红树林生态恢复的优选树种，经过长期造林修复，通过遥感制图获取的数据显示我国红树林面积稳步回升，但是其树种构成尚不清晰，快速准确的获取特定红树树种分布，是支撑国家尺度红树树种分布制图的重要基础，对于红树林精准管理、科学恢复和有效保护具有重要意义。
2、近年来，依托于机器学习方法和先进传感器，遥感技术已逐步应用于红树树种分布制图。由于红树林树种是不同科属植物在潮间带环境下的协同进化，同一树种在不同淹水情况和盐度条件具有表型差异，因此红树树种分布制图具有挑战性，作为有代表性的红树树种，红海榄遥感识别同样面临这些挑战，可持续发展科学卫星提供了新的红边和深蓝波段，为红树树种识别带来了新的机遇，随机森林算法常用于各种土地覆被分类，但其内部的决策规则数量庞大、难以被理解，从繁杂的决策规则集中抽取和重构有效规则，可以提高效率、促进对机器学习算法的理解。现有技术中并没有给出具体手段来针对随机森林模型中重构决策规则提取红海榄。
技术实现思路
1、为了解决现有技术中随机森林算法内部的决策规则数量庞大、难以被理解，现有技术中并没有给出具体手段来针对随机森林模型中重构决
2、本专利技术采用如下技术方案，一种基于随机森林模型重构决策规则的红海榄遥感提取方法，包括：
3、利用卫星多光谱数据获取目标区域的遥感图像；
4、提取目标区域的每一张遥感图像中红海榄对应的分类特征，并根据分类特征构建样本集；
5、利用样本集对随机森林算法进行训练，得到训练好的随机森林模型；
6、对训练好的随机森林模型进行递归解析，获取随机森林模型的每个决策树中红海榄对应的决策规则；所述决策规则包括分类特征、特征频数和特征阈值；
7、根据每个分类特征对应的特征频数获取多个特征组合；根据每个分类特征对应的特征阈值获取特征组合中每个分类特征的值域范围和潜在阈值，并利用遗传算法在每个分类特征的潜在阈值中确定每个分类特征对应的最佳阈值；
8、根据每个特征组合及特征组合中每个分类特征对应的最佳阈值得到多个重构决策规则；
9、获取每个重构决策规则的错误率，并根据所述错误率在所有重构决策规则中确定出最优决策规则，利用最优决策规则对红海榄遥感图像进行遥感提取。
10、进一步的，所述红海榄对应的分类特征包括：波段特征、波段比值、水指数以及植被指数。
11、进一步的，利用样本集对随机森林算法进行训练，具体包括：
12、设定随机森林算法中弱分类器的个数参数，并将弱分类器使用的变量个数设定为样本数量的平方根；
13、随机森林算法采用样本集进行训练，得到由多个决策树弱分类器构成的训练好的随机森林模型。
14、进一步的，根据每个分类特征对应的特征阈值获取组合中每个分类特征的值域范围和潜在阈值的方法为：
15、统计训练好的随机森林模型中各个分类特征对应的特征阈值集合，获取特征阈值集合中的最大值和最小值作为每个分类特征的值域范围；
16、使用密度估计方法对所有分类特征的特征阈值分布进行拟合，获取出现概率最高的特征阈值作为潜在阈值。
17、进一步的，获取每个重构决策规则的错误率的方法为：
18、利用每个重构决策规则对样本集进行分类，根据分类结果中错分样本与漏分样本的数量之和在样本总数中的占比，得到每个重构决策规则的错误率。
19、进一步的，根据所述错误率确定最优决策规则时，还包括：
20、根据每个重构决策规则的错误率对特征组合从小到大排序，并获取每个特征组合中分类特征数量，根据错误率从小到大，分类特征数量由少到多的顺序，依次选择设定数量的特征组合对应的重构决策规则构建备选决策规则集合。
21、进一步的，利用最优决策规则对红海榄遥感图像进行遥感提取的方法为：
22、利用最优决策规则在红海榄遥感图像中计算每个像素点的分类特征，遍历影像中的像素位置，获取像素位置的所有分类特征满足设定阈值要求的区域，完成对红海榄的遥感提取。
23、本专利技术的有益效果是：本专利技术首先基于遥感影像构建的样本集训练了随机森林模型，然后利用递归解析方法将该模型按照特征与阈值的关系分组展开为特征、特征频数、特征阈值，根据特征频数随机产生特征组合，根据特征阈值分布估算潜在阈值及其值域范围，最终通过遗传算法确定一系列特征组合对应的最佳阈值，按照错误率和特征数量筛选，应用所得到的重构决策规则，实现红海榄分布快速提取；克服了随机森林等黑箱算法难以被理解的问题，解决了决策过程的可解释性问题，同时本专利技术所涉及的基于重构决策规则的红海榄提取方法快捷有效，提高了分类模型及其决策结果的可解释性，具有可迁移性和鲁棒性，对红海榄等红树树种的遥感识别具有重要意义。
本文档来自技高网...【技术保护点】
1.一种基于随机森林模型重构决策规则的红海榄遥感提取方法，其特征在于，包括：
2.根据权利要求1所述的一种基于随机森林模型重构决策规则的红海榄遥感提取方法，
3.根据权利要求1所述的一种基于随机森林模型重构决策规则的红海榄遥感提取方法，
4.根据权利要求1所述的一种基于随机森林模型重构决策规则的红海榄遥感提取方法，其特征在于：根据每个分类特征对应的特征阈值获取组合中每个分类特征的值域范围和潜在阈值的方法为：
5.根据权利要求1所述的一种基于随机森林模型重构决策规则的红海榄遥感提取方法，
6.根据权利要求1所述的一种基于随机森林模型重构决策规则的红海榄遥感提取方法，
7.根据权利要求1所述的一种基于随机森林模型重构决策规则的红海榄遥感提取方法，
【技术特征摘要】
1.一种基于随机森林模型重构决策规则的红海榄遥感提取方法，其特征在于，包括：
2.根据权利要求1所述的一种基于随机森林模型重构决策规则的红海榄遥感提取方法，
3.根据权利要求1所述的一种基于随机森林模型重构决策规则的红海榄遥感提取方法，
4.根据权利要求1所述的一种基于随机森林模型重构决策规则的红海榄遥感提取方法，其特征在于...
【专利技术属性】
技术研发人员：赵传朋，贾明明，王宗明，任春颖，毛德华，
申请(专利权)人：中国科学院东北地理与农业生态研究所，
类型：发明
国别省市：
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。