【报告内容】

汇报人：何世祺

汇报单位：太原理工大学

主题：《A Two-stage Approach Using Genetic Algorithm and Genetic Programming for Remote Sensing Crop Classification》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

在遥感作物分类中，现有深度学习方法可解释性差，传统机器学习方法依赖大量训练数据和领域知识，且现有工作多侧重特征构建或选择单一操作，导致特征处理不完善，影响分类准确性和模型效率，亟待解决这些问题以提升遥感作物分类效果，推动精准农业发展。

2.相关创新方案

(1)提出了一种基于GP和GA的两阶段方法（GPTGA），以获得能够有效区分不同作物并实现高精度作物分类的特征集。

(2)在第一阶段，GP用于构建高级特征，以便在第二阶段进行遗传算法选择，并找到不同特征的最佳组合。

(3)在第二阶段，遗传算法用于从构建的特征和原始特征中选择自己的分类。

3.实验总结

为了支持精准农业，本研究提出了一种基于进化算法的两阶段方法，即GPTGA，该方法同时考虑特征构建和特征选择。在第一阶段，GP用于构建可以有效地对作物进行分类的高级特征。在扩展原始数据集后，GPTGA在第二阶段搜索高级特征和原始特征的最佳组合，消除第一阶段生成的冗余特征。最后，将学习到的特征集输入经典的机器学习算法SVM进行分类。与基于GP的方法、基于GA的方法和经典机器学习方法相比，GPTGA取得了更好的性能。此外，该特征集具有很高的可解释性，使农业决策者更容易做出决策。

4.未来工作

探索新进化策略以构建更多样高级特征，解决当前 GPTGA 方法第一阶段特征冗余问题，提升分类性能；同时考虑使用集成分类器，借鉴如随机森林等集成分类器的优势，进一步提高作物分类精度。

报告时间：2025年03月14日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)