利用改进SEaTH算法的面向对象分类特征选择方法

• 作 者: 余晓敏 湛飞并 廖明生 胡金星
• 机 构: 武汉大学资源与环境科学学院,中国科学院深圳先进技术研究院,武汉大学测绘遥感信息工程国家重点实验室
• 出 处: 武汉大学学报(信息科学版)
• 发表日期: 2012年8期
• 关键词: 面向对象分类 特征选择 SEaTH算法
• 基金项目: 国家863计划资助项目(2010AA122202);国家重大国际合作资助项目(2010DFA92720);深圳基础研究(重点项目)资助项目(JC201005270334A)

针对分离阈值法（SEaTH）仅从类间距离评价特征,没有考虑类内距离和特征之间相关性的不足,提出了一种改进的SEaTH算法——ISEaTH。该算法分别依据特征相关性、类间距离和类内距离对特征进行评价,然后综合利用多种评价结果获取最优的特征子集。采用新疆喀什地区的QuickBird数据进行了特征选择的实验。结果表明,该方法不但能降低特征维数,有效优化特征空间,还能提高分类精度。