论文部分内容阅读
本文利用OM IS高光谱数据,研究了决策树算法(Dec ision Tree,DT)特征选择的特点以及特征选择对决策树分类结果的影响。设计了三种特征选择方法:SEP,MDLM和RELIEF,将它们与DT特征选择的结果以及特征选择后的分类精度(考虑了三种分类器:最大似然法、后向传播神经网络、最邻近法)进行对比,并分析了这三种特征选择方法对决策树结构和分类精度的影响。结果显示,DT是一种比较好的特征选择方法;经过特征选择后再生成的决策树比直接生成的决策树,用到更少的特征(平均减少了43.36%)、有更多