一种基于特征选择和集成学习的时间序列植被指数作物分类方法

一种基于特征选择和集成学习的时间序列植被指数作物分类方法，它属于作物分类技术领域。本发明解决了现有模型的泛化能力弱、模型训练与推理效率低以及模型分类准确率低的问题。本发明基于遥感影像时间序列特征数据集，通过逐步增加特征的方式来构建最优特征子集，这种方法能够考虑特征之间的组合效应，从原始数据集中筛选出更好的特征，以剔除信息量过小的特征，从而消除模型训练过程中不相关的特征参数，在提升模型分类准确率的同时还可以降低计算成本，提高模型的训练与推理效率。而且本发明将不同的机器学习模型进行组合来构建一个投票分类器，再基于最佳的投票策略来获得最终的作物分类结果。本发明方法可以应用于作物分类。