,歡迎光臨365betmax雜志社官方網站！
稿件查詢：
2019年05期
基于極限學習機的單木枝葉點云分類
| 作 者 | 章又文，邢艷秋 |
| 第一作者 | 章又文 |
| 作者單位 | 東北林業大學森林作業與環境研究中心，黑龍江哈爾濱 |
| 卷 號 | 47 |
| 發表年份 | 2019 |
| 發表刊期 | 5 |
| 發表頁面 | 237-240，246 |
| 關 鍵 字 | 激光點云；枝葉點云分類；空間特征；色彩特征；隨機森林；極限學習機 |
| 摘 要 | ［目的］在林業測量中，利用樹木的三維激光點云數據提取其結構信息以及模型擬合三維重建較為普遍，而林木枝葉三維點云分割則是林木參數提取以及三維重建的前提。［方法］利用掃描的單木三維點云數據，提取了單木點云的空間特征、反射強度、RGB色彩特征等多維特征，為提高分類的效率，通過隨機森林算法按照其特征重要程度排序，除去冗雜的特征，保留RGB色彩、反射強度、法向分布特征作為分割依據。采用極限學習機（Extreme Learning Machine，ELM）對訓練樣本進行學習，并對原始數據進行枝葉點云的分類識別試驗，分類正確率達到98.99%。［結果］在同等試驗條件下，分別采用BP（Back Propatation）神經網絡、LVQ（Learning Vector Quantization）神經網絡、決策樹（Decision Tree）、樸素貝葉斯（Nave Bayes Classifier，NBC）、支持向量機（Support Vector Machine，SVM）進行分類，分類，其正確率分別為94.30%、91.26%、96.95%、85.67%、98.16%。［結論］試驗結果表明極限學習機的分類效果較好。 |
| 附 件 |
基于極限學習機的單木枝葉點云分類
|
| 注：若需下載，請右鍵單擊另存 |
