来源：期刊VIP网 时间：
作者：宫书芳;王井利;
单位：沈阳建筑大学交通与测绘工程学院;
摘要：随机森林方法对遥感影像的土地覆盖类型分类，虽然相比传统的监督分类方法精度已经有所上升，但是由于其需要调节的参数众多，传统的网格搜索等调参方法又较为耗时，不易找到最佳的参数组合，因此文章提出了一种采用灰狼算法对随机森林模型进行优化的方法，迭代优化参数，从中选取随机森林最佳参数组合，构建GWO-RF分类模型，以提升遥感影像土地覆盖类型分类的精度。以Sentinel-2数据为数据源，辽宁省沈阳市浑南区为研究区，经过模型训练和参数优化以后，测试集的混淆矩阵精度由87.24%提升到了91.31%,提升了4.07%,Kappa系数由0.830 4变为0.885 7,增加了0.055 3。分析结果表明，灰狼算法可以对随机森林的参数进行优化，从而提升遥感影像土地覆盖类型的分类精度。
关键词：遥感影像分类;;土地覆盖类型;;机器学习;;随机森林;;灰狼算法
