摘要：全极化SAR影像往往具有多个极化属性，不同海冰类型在不同极化方式下的成像亮度通常具有明显的差异。提出了一种适合于SAR影像海冰分类的属性差决策树分类分析（SDDT）方法，即在给定n个属性特征的样本基础上，通过计算任何两个属性的属性差特征的分类能力，选择出具有最优分类能力的属性差特征及其最优分裂值，实现海冰分类决策树的构建。采用这种策略，相当于在n＋Cn^2个属性（原始n个属性与Cn^2个属性差）中寻找最优分类能力的属性，不仅充分考虑了影像中原始多极化属性特征，而且增加了属性差特征的有效利用，进而提高了分类精度。另外，针对计算属性分类能力的衡量指标。在C4．5算法中提出的信息增益比GainRatio基础上，进一步考虑了分裂点的宽度△Width以及分裂点属性总宽度Totalwidth，定义了分类能力指数Classify—Ability—GainRatio＊△width／TotalWidth。实验表明：采用同样的训练样本，应用SDDT算法挖掘出的海冰分类规则，比C4．5算法挖掘出的分类规则的检测精度至少提高10％以上。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社