决策树分类算法在姜寨一期聚落遗迹分类中的应用研究

通过对数据挖掘基本分类算法的总结、分析,以及建立姜寨遗址空间数据库,以姜寨一期聚落中的土坑墓、房屋等遗迹作为研究对象,分别提取该遗迹的面积与方位角等空间矢量特征信息等,运用决策树分类算法,挖掘出了姜寨一期聚落的遗迹分类规则,为聚落考古学中单遗址聚落的空间布局和内部结构的研究提供了一种新的研究思路与实现方法。     

环嵩山地区史前聚落空间数据库设计

空间数据库是分析和挖掘区域复杂时空体系中的聚落分布和传承规律的基础。选取了对研究中原文明乃至中华文明起源具有代表意义的环嵩山地区,从该区域聚落空间数据特点、研究需求入手,分析了环嵩山地区史前聚落数据库的建设思路和数据库的主要功能,提出了聚落空间数据库的设计和实现方案,为该区域聚落考古研究提供数据和技术支持。     

借助GIS研究史前聚落遗址的空间分布特征

对史前聚落遗址的分布特征研究,有助于了解史前人类对环境的选择策略以及聚落系统的演变规律。利用地理信息系统空间分析方法,对河南省史前聚落遗址的分布特征进行研究,分析聚落选址与区域海拔高度、地形坡度、水系等地理环境之间的相互关系。研究结果表明：四个时期的史前聚落大部分分布在海拔50-400m、坡度小于3°、距离河流在3km以内的地带。     

面向对象分类的决策树方法探讨——以Landsat-8OLI为例

针对目前遥感影像分类中面向对象和决策树相结合的研究较少的情况,该文提出基于C5.0决策树的面向对象分类方法,并以广州市从化区进行实证研究。基于Landsat-8OLI影像数据,采用面向对象分类对影像进行多尺度分割,提取出影像对象的光谱、纹理特征以及影像对象相对应的DEM信息;然后利用C5.0决策树根据特征信息来挖掘分类规则;最后根据规则对分割后影像进行分类。结果表明,基于C5.0决策树的面向对象影像分类精度高、效果好,总体精度和Kappa系数分别为89.75%和87.5%。该方法可准确、快速地提取土地利用/覆被信息。     

生态景观特征的村镇聚落分类和生态环境质量评价——以北京市为例

村镇聚落是人类活动与自然环境相互作用的产物,是促进城乡发展的关键.对村镇聚落进行空间分类制图是乡村分类管理和制定乡村振兴相关规划的基础.该文从生态景观角度,建立了基于村镇聚落的地形地貌和环境特征的村镇聚落空间分类制图方法.以北京市为例,实现了基于生态景观特征的北京市村镇聚落空间分类图,并在此基础上,对各种村镇聚落类型进行生态环境质量评价.研究结果显示,北京市村镇聚落可分为平原近郊平坡聚落、平原近郊缓坡聚落、平原远郊平坡聚落、平原远郊缓坡聚落、高台地缓坡聚落、高台地斜坡聚落、高平原平坡聚落、低山缓坡聚落、低山斜坡聚落、低山急坡聚落、高海拔聚落11种类型;坡度是影响村镇聚落分布和生态环境质量的主要因素,坡度越平缓,村镇聚落越密集,生态环境质量越差;平原和高平原地区村镇聚落较密集,生态环境相对较差;高台地和山区由于地势的影响,村镇聚落较稀疏,生态环境较好.     

基于决策树方法的海岛土地利用分类研究

以山东省荣成市镆铘岛为例,利用SPOT 5卫星数据,探讨了基于决策树方法的海岛土地利用类型的遥感分类.结果表明,利用决策树分类方法进行海岛土地利用类型分类,可以得到较好的分类结果(分类的平均精度达到86.46％,Kappa系数为0.8414);与其他分类方法比较,决策树分类法的分类精度有明显的提高,在海岛土地利用类型调查中具有较好的应用潜力.     

基于分类规则挖掘的遥感影像分类研究

分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性.     

基于NDVI的决策树分类方法研究

20世纪80年代以来,随着城镇化进程的快速发展,我国土地利用结构发生了明显的变化。及时准确地掌握土地利用状况有利于有关部门根据土地利用现状做出合理的规划和正确的决策,有利于促进经济和社会的协调发展。本文针对石河子垦区地物覆盖的特点,综合分析了不同覆盖类别区域的时序NDVI特性以及他们之间的差异性,选择最能反映土地覆盖情况和有效区分不同地类的两期TM影像,解算制作NDVI亮度图。利用均值滤波器对NDVI亮度图进行平滑处理,降低噪声。根据不同地物时序NDVI的差异选择适当的阈值进行决策树分类。精度评价结果表明该方法能够简单有效的区分不同覆盖类型的地类,特别是季节性变化差异较大的地区。     

基于决策树方法的遥感分类研究

利用监督分类和决策树分类2种方法对研究区域进行地表覆盖分类,将分类结果与Google Earth影像、地形图对比进行精度评定。结果表明,决策树分类总体精度和Kappa系数分别为86.462 9%和0.827 1,较监督分类的总体精度和Kappa系数分别提高了5.347%和0.067 1,对于地形复杂的地区,能有效提高分类精度。     

基于决策树的遥感图像分类方法研究

在遥感领域中,遥感图像分类是一项十分重要的内容,也是运用遥感技术手段提取地物类别信息的一个关键环节。本文以TM影像为研究对象,采用决策树分类方法进行研究分析,详细地论述了该分类方法的整个研究流程,并得到分类后的结果图,最后利用混淆矩阵和Kappa系数对分类后的结果进行精度分析。通过与最大似然分类方法进行比较发现,决策树分类方法的分类效果明显,分类精度较高,总体分类精度、kappa系数均达到90%以上,为遥感图像分类提供了广阔的发展前景。     

基于遥感影像光谱信息的二叉决策分类树自动生成方法研究

使用决策树方法进行遥感影像分类时需要人工辅助构建决策树,这种方法存在着一旦数据变化就要人工参与重新建立决策树的缺点。针对这一问题,文中提出了依据地物类的样本训练结果,自动构建二叉决策分类树的方法。从阈值的完整性、有效性以及自动选择满足用户需求最佳的建立决策树标准等方面保证决策树的精度以及合理性等。分类结果表明,与最大似然法相比,文中提出算法分类效果良好。     

决策树方法在土地荒漠化分类中的应用研究

阜新地区属于农牧交错带,是土地荒漠化类型齐全、结构复杂的典型研究区域。本文以遥感(RS)作为荒漠化信息获取与分析的工具,利用基于决策树的分析方法,结合区域环境特点,根据不同荒漠化类型的遥感影像特点,针对荒漠化类型、强度进行了分层次提取和分类。     

GIS辅助下的基于数据挖掘的林型遥感分类方法研究

在植被分类领域,各类植被光谱特征非常相近,纹理特征比较单一,并且受物候影响较大,使得影像上林地信息的分类识别的成为一个较复杂的过程。本文利用GIS平台构建由影像、DEM等组成的多元空间数据库,将数据挖掘的方法引入林型遥感分类中,充分利用了现有的空间数据资源,减少了同物异谱、异物同谱对林型遥感分类的影响,增强了分类知识获取的自动化和智能化程度。实验结果表明,该方法具有简化知识获取过程和提高分类精度等优点。     

特征提取和决策树法土地利用遥感分类

文章以安徽省淮南市为例,采用2005年Landsat-5 TM多光谱数据,分析地物谱间关系,选择改进归一化差异水体指数(MNDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)、TM4+ TM5、TM4+ TM5+TM7、DEM高程和坡度等特征值,构建决策树分类规则,完成研究区土地利用遥感分类.结果表明:MNDWI和TM4+TM5特征值能较好地区分水体与非水体;NDVI和NDBI可完成非水体区域植被与非植被信息分类;DEM和TM数据6波段和值可完成建筑用地、裸地和沙(旱)地分类;DEM和TM4+ TM5+ TM7能较好地解决耕地和园地混淆问题.决策树法分类总精度和Kappa系数分别为90.29％和0.87,相比较于最大似然分类法和基于特征提取波段的最大似然分类法,精度均有所提高.     

基于 C4.5决策树的多特征遥感分类方法

以钱塘江流域为研究区域,利用2010年ETM,MODIS和DEM多源数据,进行土地利用分类研究。在分析土地类型的光谱特性和植被指数年度变化基础上,运用光谱指数法和代数法从数据中提取各种土地覆被类型特征。利用WEKA软件平台下的C4.5决策树算法构建决策树分类模型,对钱塘江流域土地覆被类型进行分类研究,取得较高的分类精度。     

决策树分类模型的住宅建筑物图斑识别

针对大范围内住宅建筑图斑自动识别较为困难的问题,该文提出基于决策树模型的分类方法,利用基础测绘中高精度的建筑数据、地理省情监测数据、POI数据、DSM、DEM、腾讯大数据等,以建筑物本身特征和建筑物不同邻域内建筑类型相关因素的空间特征作为决策变量,分别采用QUEST、CHAID、C&RT和C5.0算法构建用于住宅分类识别的决策树模型并进行优选。以济南市(不含原莱芜市)为研究区域进行了实验,结果显示4个模型均未出现过拟合现象,可以用于住宅建筑图斑识别。     

可视化交互空间数据挖掘技术的探讨

随着地理信息获取技术飞速发展,使得当前存储在空间数据库中的空间数据的深度和广度得到了前所未有的发展,传统的空间统计方法和空间分析方法已经难以有效而迅速地处理和分析它们,如何有效而及时地分析和处理空间数据变得越来越迫切。空间数据挖掘作为上个世纪90年代逐步发展起来的新兴技术,逐渐在研究和实践中显示出它的优势。与此同时,地理可视化技术也逐步走向成熟,二者的结合催生出新型空间数据分析技术———可视化交互空间数据挖掘。本文就该技术的相关问题进行了一些研究探讨。     

可视化交互空间数据挖掘原型系统设计与实现

基于VC++6.0和MapObject2.0组件技术设计,开发了一个可视化交互空间数据挖掘的原型系统VGC(visual geo-classify),并用实例数据对系统性能和算法、规则有效性进行了验证。结果表明,该原型系统是一个适用的、可扩展的可视化交互空间数据挖掘工具。     

决策树结合混合像元分解的中国竹林遥感信息提取

竹林是中国亚热带地区特殊而重要的森林资源,现有方法难以实现全国范围竹林时空分布信息快速准确提取。针对此问题,本研究利用2003年、2008年、2014年MODIS NDVI、反射率产品数据和省域Landsat分类数据,提出了基于决策树结合混合像元分解的全国竹林信息提取方法。首先,通过最大似然法获取中国林地分布信息;然后,在林地信息的基础上,构建决策树模型提取中国竹林分布信息;最后,采用线性最小二乘法混合像元分解得到中国竹林丰度图,并计算竹林面积。研究结果表明:(1)最大似然法提取的3个时期中国林地信息的生产者与用户精度均在90%以上,Kappa系数均值为0.93,为竹林信息提取奠定了基础。(2)C5.0算法构建的决策树模型能够很好的提取中国竹林时空分布信息,3个时期竹林分类精度均在80%左右。(3)在混合像元分解的基础上,统计得到的全国各省竹林估算面积与清查面积具有较高的相关性,R~2分别为0.98、0.97和0.95,RMSE范围为3.92万—9.58万ha,说明估算得到全国竹林面积与实际情况较为吻合。本研究所提出基于MODIS遥感数据运用C5.0算法决策树结合混合像元分解的方法,实现了全国竹林时空分布信息的准确提取,为全国竹林资源信息动态监测及管理提供了技术手段和数据支撑。