ty -jour a2 -Zhang，lei au -sun，mengmeng au -wang，chunyang au -wang，王，au -zhao -Zhao，Zongze au -li，li，xiao py -2018 da -2018/09/04 ti- new semisupervise -ensupervise -entervise -entervise -entropopy基于随机森林SP -3521720 VL -2018 AB的高光谱图像分类框架 - 本文中介绍的算法的目的是通过使用随机森林方法来选择具有最高平均分离性的特征，以区分易于区分和区分的类别使用加权熵算法从最困难的类别中选择最可分开的功能。该框架由五个部分组成： （（ 1 ） 随机样品选择 （（ 2 ） 概率输出基于选票数量的初始森林分类处理； （（ 3 ） 半监视分类，这是根据加权熵算法对随机森林进行监督分类的改进； （（ 4 ） 精确评估；和 （（ 5 ） 与传统的最小距离分类和支持向量机（SVM）分类进行比较。为了验证所提出算法的普遍性，测试了两个不同的数据源，即Aviris和Hyperion数据。结果表明，Aviris数据的总体分类精度高达87.36％，KAPPA系数为0.8591，分类时间为22.72。Hyperion数据高达99.17％，KAPPA系数为0.9904，分类时间为8.16。与最小距离和SVM分类器和购物车分类器相比，分类精度显然得到提高，效率得到了极大提高。SN -1687-5680 UR -https：//doi.org/10.1155/2018/3521720 do -10.1155/2018/2018/3521720 JF-多媒体PB的进步