来源：期刊VIP网 时间：
作者：刘朝辉;杨风暴;张琳;
单位：中北大学信息与通信工程学院;
摘要：针对目前多种典型作物分类中特征冗余导致同科作物混淆、分类精度低的问题，文中提出一种结合特征过滤法筛选特征和Stacking集成学习的作物精细分类方法。首先，结合敏感波段构造新型植被指数并进行阈值分割，实现作物区域提取；然后，提取不同作物的颜色和纹理特征，进而计算单类作物特征系数和作物间特征差异系数，实现各典型作物的分类特征过滤法优选；最后，构建融合多种机器学习算法的Stacking集成学习作物分类模型，其中第一层的基学习器选择随机森林、支持向量机、K-最近邻算法，第二层的元学习器选择逻辑回归模型，实现多种典型作物精细分类。实验结果表明，所提方法对7种典型作物的总体分类精度和Kappa系数分别为85.2%和83.34%，相比于未进行特征选择的分类结果分别提升了2.18%和3.68%，具有较高的分类精度，为多种典型作物的精细分类提供了新方法。
关键词：作物分类;;特征选择;;Stacking集成学习;;植被指数;;阈值分割;;衍生特征
基金资助：国家自然科学基金面上项目（61972363）;; 中央引导地方科技发展资金项目（YDZJSX2021C008）
