Dynamic ensemble algorithm of SMOTE and rotation forest for imbalanced hyperspectral remote sensing classification

旋转森林RoF（Rotation Forestï¼‰æ˜¯ä¸€ç§åŠŸèƒ½å¼ºå¤§çš„é›†æˆåˆ†ç±»å™¨ï¼Œå®ƒåœ¨é«˜å ‰è°±å›¾åƒåˆ†ç±»ä¸­å·²ç»èŽ·å¾—äº†å¾ˆå¤šæˆåŠŸçš„åº”ç”¨ã€‚ç„¶è€Œï¼ŒçŽ°å®žæ•°æ®ç»å¸¸å­˜åœ¨ç±»åˆ«ä¸å¹³è¡¡çš„é—®é¢˜ï¼Œè¿™ä½¿å¾—ä¼ ç»Ÿçš„RoFç®—æ³•ä¾§é‡è¯†åˆ«å¤šæ•°ç±»åˆ«çš„æ ·æœ¬ï¼Œè€Œå¿½ç•¥äº†å°‘æ•°ç±»æ ·æœ¬çš„åˆ†ç±»ç²¾åº¦ã€‚SMOTE（Synthetic Minority Oversampling Techniqueï¼‰ç®—æ³•é€šè¿‡æ¨¡æ‹Ÿç”Ÿæˆæ–°æ ·æœ¬çš„æ–¹å¼æ¥å¢žåŠ å°‘æ•°ç±»åˆ«æ ·æœ¬çš„æ•°é‡ï¼Œè¿›è€Œè¾¾åˆ°å¹³è¡¡æ•°æ®é›†ç±»åˆ«çš„æ•ˆæžœï¼›ä½†æ˜¯SMOTEç®—æ³•ç›®å‰ä¸»è¦è¢«ç”¨äºŽæ•°æ®é¢„å¤„ç†é˜¶æ®µï¼Œå¹¶ä¸”åœ¨å¤„ç†å¤šç±»é—®é¢˜æ—¶å ·æœ‰å¢žåŠ äººå·¥å™ªå£°çš„é£Žé™©ã€‚ä¸ºäº†è§£å†³é«˜å ‰è°±æ•°æ®å­¦ä¹ ä¸­çš„å¤šç±»ä¸å¹³è¡¡é—®é¢˜ï¼Œæœ¬æ–‡æå‡ºäº†ä¸€ä¸ªæ–°çš„SMOTE和RoFåŠ¨æ€é›†æˆç®—æ³•ï¼›è¯¥ç®—æ³•åˆ©ç”¨åŠ¨æ€é‡‡æ ·å› å­æŠ€æœ¯ï¼Œå°†ç±»åˆ«åˆ†å¸ƒä¼˜åŒ–å’ŒåŸºåˆ†ç±»å™¨è®­ç»ƒè¿‡ç¨‹è¿›è¡Œèžåˆã€‚æœ¬å®žéªŒåˆ©ç”¨Indian Pines、Salinas以及Pavia University这3ä¸ªå ¬å¼€çš„é«˜å ‰è°±æ•°æ®å¯¹æ–°çš„SMOTE和RoF动态集成算法的性能进行测试，同时选取4ç§å¯¹æ¯”ç®—æ³•ï¼ŒåŒ æ‹¬éšæœºæ£®æž—ã€ä¼ ç»Ÿçš„RoFä»¥åŠé€šè¿‡éšæœºè¿‡é‡‡æ ·å’ŒSMOTE数据预处理后的RoF算法，并且采用总体分类精度、平均分类精度、F-measure、Gmeanã€æœ€å°å¬å›žçŽ‡ã€é›†æˆåˆ†ç±»å™¨å¤šæ ·æ€§ã€æ¨¡åž‹è®­ç»ƒæ—¶é—´ä»¥åŠMcNemaræµ‹è¯•ç­‰ä¸ºç®—æ³•æ€§èƒ½è¯„ä»·æ ‡å‡†ã€‚å®žéªŒç»“æžœè¡¨æ˜Žæœ¬æ–‡æ–¹æ³•å ·æœ‰æ˜Žæ˜¾çš„åˆ†ç±»ä¼˜åŠ¿ï¼Œå¯ä»¥ä¿è¯åœ¨å¢žåŠ æ•°æ®æ€»ä½“åˆ†ç±»ç²¾åº¦çš„åŸºç¡€ä¸Šæé«˜å°ç±»åˆ«æ ·æœ¬çš„è¯†åˆ«ç²¾åº¦ã€‚