基于集成學(xué)習(xí)的風(fēng)沙躍移軌跡自動(dòng)識(shí)別模型

摘要： 為了發(fā)展風(fēng)沙躍移軌跡追蹤算法,需要建立自動(dòng)識(shí)別躍移軌跡方法來代替人工識(shí)別方法。本文利用自建的躍移軌跡數(shù)據(jù)集,發(fā)展了4個(gè)優(yōu)化的集成學(xué)習(xí)模型(極度隨機(jī)樹、隨機(jī)森林、梯度提升決策樹和XGBoost)以實(shí)現(xiàn)躍移軌跡的自動(dòng)識(shí)別。結(jié)果表明:上述模型都能夠較好地實(shí)現(xiàn)躍移軌跡的自動(dòng)分類,反映了集成學(xué)習(xí)模型在解決這類非線性問題時(shí)的獨(dú)特優(yōu)勢(shì);在研究的模型中,極度隨機(jī)樹模型具有最高的準(zhǔn)確率(0.90... （共9頁）