基于随机森林算法的底栖动物高光谱数据分类方法研究

IOCAS-IR

	基于随机森林算法的底栖动物高光谱数据分类方法研究
	董建江 ; 田野 ; 张建兴 ; 栾振东 ; 杜增丰
发表期刊	光谱学与光谱分析
ISSN	1000-0593
	2023-10-10
出版年	2023
卷号	v.43 期号:10 页码:33-40
文献类型	CNKI期刊论文
摘要	旨在实现对海洋牧场水下底栖动物的原位识别，使用随机森林算法实现识别分类检测，对目标生物进行分类识别分析，深入挖掘数据，提高工作效率和决策可靠性。利用研发的水下高光谱成像分析仪，在不同的水下环境中通过获取五种海洋牧场常见经济动物(虾夷扇贝、栉孔扇贝、脉红螺、皱纹盘鲍、仿刺参)的高光谱数据，归一化处理后运用机器学习中的随机森林(RF)、基于主成分分析的随机森林(PCA-RF)、基于递归特征消除的随机森林(RFE-RF)三种随机森林算法对五种底栖动物进行分类识别以及对比分析。通过RF的变量重要性排序，筛选出排名较高，对模型贡献度高的波段所对应的反射谱强度数据，再将排名靠前的特征波段数据输入分类器中，通过优化参数，得到分类准确度。将数据的分类结果输出混淆矩阵，可以看到五种样品的识别情况。脉红螺样品识别精度最低，为64%;仿刺参与栉孔扇贝的识别精度最高，达到了100%;虾夷扇贝与皱纹盘鲍的识别精度分别为91%与96%。三种方法最终得到的分类精度分别为：RF 90.13%; PCA-RF 95.20%; RFE-RF 98.74%,达到了较为理想的分类效果，体现了随机森林算法运用在水下高光谱数据分类研究的可行性。
关键词	随机森林高光谱成像分类原位识别底栖动物特征选择
CNKI专辑号	A;C;I;
CNKI专辑名称	基础科学;工程科技Ⅱ辑;信息科技;
CNKI专题号	A006;C028;I140;
CNKI专题名称	生物学;工业通用技术及设备;自动化技术;
分类号	Q958;TP751;TP181
收录类别	北大核心 ; 中科院核心 ; 中科院扩展
语种	中文;
资助项目(基金）	国家重点研发计划项目(2019YFD0900802) ; 中国科学院海洋大科学研究中心重点部署项目(COMS2019J06)资助
文献类型	CNKI期刊论文
条目标识符	http://ir.qdio.ac.cn/handle/337002/186989
专题	中国科学院海洋研究所
作者单位	1.中国海洋大学信息科学与工程学部物理与光电工程学院 2.中国科学院海洋研究所中国科学院海洋地质与环境重点实验室&深海极端环境与生命过程研究中心中国科学院海洋大科学研究中心
推荐引用方式 GB/T 7714	董建江,田野,张建兴,等. 基于随机森林算法的底栖动物高光谱数据分类方法研究. 2023.