基于决策树分类方法的城市绿化分析——以兖州地区Hyperion遥感影像为例

以兖州实验区为例,探讨了利用决策树方法进行城市高光谱遥感绿化分析的流程和方法;分析了试验区典型地物的波谱特性;总结了常用反射率反演方法,并根据具体情况选择FLAASH模型进行了实验;试验区研究表明,决策树分类方法在高光谱遥感影像信息提取中具有可行性.这种基于高光谱的精细信息提取方法,可以提高不同植被类型的高光谱图像分类识别精度,为城市绿化分析提供参考依据.     

基于决策树算法的奖学金分析应用研究

奖学金评定的质量是当代高校学生最为敏感的问题之一。做到评定的"公平、公正、公开",并更好的鼓励先进,鞭策后进,提高学生全面素质是评定工作的关键。本文基于决策树算法,对高校学生奖学金评定相关属性数据进行分析挖掘。用具体实验发现奖学金评定中的主导因素,为教务人员提供奖学金评定规则制定的支持和帮助。     

决策树算法在农业气象灾害统计中的应用

分析了决策树分类算法中的ID3算法和C4.5算法,在论述分类挖掘的基础上分析了决策树分类挖掘系统的建立思想、步骤及算法,并把这两种算法应用到优化农业气象灾害统计的实验中,研究了决策树算法在气象灾害导致的直接经济损失评估中的应用,实验结果证明了该方法的可行性.     

干涉测量土地利用影像分类决策树法森林识别研究

利用ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理生成的干涉测量土地利用影像对森林识别方法进行初步研究。内容包括基于目标识别选择合成干涉测量土地利用影像处理方法、应用斜分类器（OCI）生成分类决策树以及在自主开发的软件中调整分类决策树、对分类结果进行像元级别上的精度检验和误差分析等。结果表明：ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理，利用其强度影像和相干影像可以合成多种干涉测量土地利用影像；其中最小值影像和 标准差影像较之于其它强度影像和变化影像更有利于区分水体和森林；由于OCI生成决策树的算法决定了在分类处理中没有不可分类别的存在，所以在初期选择分类类别时，要尽可能多的覆盖原始影像的数值区间；选择的各类别样本数据要尽可能的“纯”，以减少类别间数值区间的重叠，从而减少误分类情况。     

基于高分一号影像光谱指数识别火烧迹地的决策树方法

森林火灾发生后,为及时、准确地掌握森林受灾情况,利用高分一号卫星(GF-1)16m宽幅影像各波段反射率信息,结合计算的归一化植被指数(NDVI)、过火区识别指数(BAI)、阴影植被指数(SVI)、归一化差异水体指数(NDWI)和全球环境监测指数(GEMI)等5种光谱指数,构建森林火烧迹地识别决策树模型(CART);在选取的研究区对该模型方法进行验证,并与最大似然监督分类法和非监督分类(ISODATA)方法所得到的结果精度进行了对比分析,结果表明:采用基于CART模型的决策树方法对火烧迹地识别结果精度较最大似然法总体分类精度提高了4.38%,Kappa系数提高了0.102 4,制图精度提高了14.96%,用户精度提高了8.50%;而采用ISODATA方法识别的火烧迹地的总体精度和Kappa系数都较低,制图精度和用户精度都没有达到1%。     

基于改进端元提纯模型的MODIS森林类型识别研究

MODIS遥感数据具有很高的光谱辐射精度,以及成本低、覆盖面积广、获取容易、周期短等数据特征,可以实现全覆盖大尺度区域森林类型信息快速提取,但由于其空间分辨率较低,遥感数据中存在混合像元。利用混合像元分解模型进行分解可得到较好的分类结果,但混合像元分解的端元组分直接影响分类的精度。利用决策树分类模型改进端元提纯,分析各地物的MODIS时间序列植被指数变化规律及物候变化规律,利用决策树模型分类的结果进行端元组分的提纯,最后进行混合像元分解。研究结果表明:分类精度最高的是线性混合像元分解,其次是最大似然分类,最差的是非线性混合像元分解,其中带约束和不带约束的线性分解模型的精度相差不大。     

基于混合像元分解的香格里拉市高山松空间分布变化研究

利用香格里拉市1997-2017年每5 a的Landsat遥感影像、2018年外业调查数据、森林资源二类调查数据和DEM数据为数据源,以高山松为对象,综合运用混合像元分解技术、决策树分类和GIS技术对其空间分布变化进行分析。结果表明,1）分类中,高山松归一化多分量指数阈值为0.333,云南松归一化多分量指数阈值为0.208;云冷杉归一化多分量指数阈值为0.362。2）各年分类结果总体精度分别为69.42%、76.73%、81.07%、78.90%和76.53%。3）香格里拉市高山松覆盖面积2002年比1997年减少了13.40%,2007年比2002年减少了2.47%,2012年比2007增加了8.96%,2017年比2012年增加了4.06%,呈现出先减少后增加的趋势。4）研究区内高山松主要分布在海拔高度2 800~3 800 m,1 800~2 800 m高山松面积总体呈现为轻微下降趋势;2 800~3 300 m海拔区间1997-2007年呈现下降趋势,2007-2017年呈现上升趋势,3 300~3 800 m区间内1997-2002年高山松面积呈现下降趋势,2002-2017年高山松面积逐年上升,3 800~4 800 m区间内1997-2017年高山松面积逐年下降。利用混合像元分解构建归一化多分量指数结合决策树分类对树种分类具有一定的参考价值,高山松时空变化结果对森林资源管理和后续研究可提供科学数据支撑。     

基于时序PolSAR影像与决策树模型的油菜物候期识别

作物物候期识别是农情遥感监测的重要内容,及时准确识别作物物候期,对有效评估作物生长趋势、提高农情信息化管理水平有重要意义。提出了基于时间序列全极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)数据结合决策树模型的油菜物候期识别方法。首先,采用3种极化分解方法提取PolSAR极化参数,并分析各极化参数对油菜物候期的动态响应规律;其次,基于各极化分解方法提取的参数建立决策树模型,并对油菜物候期进行分类识别;最后,采用基于混淆矩阵的方法对油菜物候期识别结果进行精度评价。采用5期Radarsat-2 PolSAR数据和地面物候观测数据进行实验验证。结果表明:提取的PolSAR参数中对物候期变化较为敏感的参数有H/A/alpha分解中的散射角(Alpha)、特征值(L2、L3)、伪熵(P2)、目标方位角(Beta1)参数,Freeman-Durden分解中的地面散射(Ground)和奇次散射(Odd)参数,Yamaguchi分解中的奇次散射(Odd_Y)和螺旋体散射(Helix)参数;决策树模型对油菜物候期识别结果较为准确,识别结果中组合3种极化分解方法提取参数建立的原始决策树模型分类总体精度最高,达94%。总体上,PolSAR极化分解参数对油菜物候期变化比较敏感,决策树模型能有效识别油菜物候期。     

基于多时相GF-1WFV 数据的南方丘陵地区甘蔗种植面积提取

南方丘陵地区甘蔗种植具有分散、形状多样等特点,利用中低分辨率遥感数据提取甘蔗种植面积时,数据的有效性和精度都难以满足要求.利用高分辨率GF-1WFV遥感数据,分析比较甘蔗与其他地物类的光谱特征、纹理特征及植被指数时间变化差异,采用多时相迭代方法构建甘蔗提取特征向量决策树模型.利用该模型提取了广西江州区的甘蔗种植面积,经野外实地调查验证,甘蔗面积提取的用户精度为90.13％,生产精度为88.78％,表明GF-1WFV数据是复杂地形下提取甘蔗等农作物的潜力数据源,该提取思路可以为在全国范围内不同地区了解甘蔗种植情况,进行甘蔗长势监测和产量估测提供技术参考.     

数据挖掘的技术特点及发展现状

首先给出数据挖掘所涉及的技术领域及其研究特点，介绍了数据仓库与一般事务数据库的区别，基于对典型数据挖掘算法的基本原理、实现技术及应用领域的分析，论证了数据挖掘是当前信息技术的一个核心研究内容。文章的最后给出了未来数据挖掘的研究方向及发展趋势。