利用自适应半监督决策树的溢油自动识别模型

目前,海面溢油检测分类器大多为监督学习分类器,但是针对特定油进行分类时,标签数据较少,因此监督学习分类器难以获得较好的识别效果。为提升识别准确率,采用了最大相关-最小冗余(mRMR)特征选择方法,同时为了解决标签样本较少的问题,选择自适应的半监督决策树学习模型,对公开的海面溢油样本集在不同的标签样本比例下进行分类实验,在仅有5.0%、7.5%、10.0%、15.0%和20.0%标签样本的情况下,自适应的半监督决策树学习模型的识别准确率,相比监督学习分类模型SVM和决策树的识别准确率,分别平均提升了26.22%和16.22%。实验结果表明,该方法在标签样本较少的情况下实用性较强。