《表2 RF、SVM和DT的精度比较》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于GEE的山东省近30年农业大棚时空动态变化研究》
同时,本文比较了不同机器学习方法在农业大棚提取中的性能,包括随机森林算法(RF)、支持向量机(SVM)以及决策树(DT)算法,使用相同的训练样本和验证样本以确保可比性和客观性,所有实验都是在GEE云平台上完成。为了定量评估本文所提方法的准确性,表2给出了精度对比。由表2可知,RF性能优于SVM和DT。RF的总体精度(OA)高于SVM,增幅为5.20~6.52个百分点。一个可能原因是在处理大规模、高维度数据集时RF比SVM效果更好。同样RF的OA高于DT,增幅为6.09~8.44个百分点。这主要因为RF是多个决策树的集合,与单个决策树相比,RF具有更高的鲁棒性,尤其可有效防止过拟合,有更高精度。
图表编号 | XD00135788700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 朱德海、刘逸铭、冯权泷、欧聪、郭浩、刘建涛 |
绘制单位 | 中国农业大学土地科学与技术学院、自然资源部农用地质量与监控重点实验室、中国农业大学土地科学与技术学院、中国农业大学土地科学与技术学院、中国农业大学资源与环境学院、中国农业大学土地科学与技术学院、中国农业大学土地科学与技术学院、山东建筑大学测绘地理信息学院 |
更多格式 | 高清、无水印(增值服务) |