一种混合粒子群优化遗传算法的高分影像特征优化方法

针对高分遥感影像分类过程中面临的特征维数高、数据冗杂度严重问题,从机器学习的角度提出了混合粒子群优化遗传算法的特征优化方法。此方法发挥2种机器学习算法优势,以Relief F算法进行初步特征筛选,再利用新二进制粒子群优化遗传算法确定优化特征集用于随机森林分类器进行城市用地信息的提取。通过与全特征、Relief F算法、GABPSO算法3种特征提取方法进行比较,验证此方法的优越性。结果表明,基于Relief F和GANBPSO算法的混合特征选择方法能够在提取较少特征变量的情况下获得较高的精度,总精度和Kappa系数分别为91.17%和0.874,与传统方法相比具有更好的分类效果。