决策树分类算法研究综述

本文基于决策树分类算法的研究现状,重点介绍了一些极具代表性的算法,包括ID3、C4.5等,对各种决策树分类算法的基本思想进行阐述,分析比较各种典型算法的优点和不足,并对决策树分类算法所面临的问题进行了简要的阐述,为数据分类研究者提供借鉴。     

利用高光谱遥感数据进行农作物分类方法研究…

本文以北京顺义区为研究区，研究、探讨利用高光谱遥感数据，通过逐级分层分类方法进行农作物信息提取与挖掘的基本思路和步骤。该方法面向应用目标，将复杂的信息提取过程分为相对简单的子过程，每个子过程根据拟提取的目标不同而选择不同特征参数和信息提取方法，从而实现有效地利用高光谱数据丰富的信息，提高了信息提取的精度目的。     

基于决策树和MODIS数据的土地利用分类

土地利用类型的识别是土地利用/土地覆盖研究中的重点内容,如何准确、快速的获得大尺度范围的土地覆盖信息进行土地变化的动态实时监测一直是关注的重点。本文针对MODIS数据多光谱的特点,以山东省为例,选取8月份8-day的一期MODIS09Q1、MODIS09A1产品及全年16-day的MODIS13Q1NDVI时间序列产品,通过分析各种土地利用类型的光谱间关系,同时选择NDVI、EVI、NDWI、NDMI、NDSI等分类指数,并构造新的波段B2/B1、B7/B6(B1、B2、B6、B7分别代表1波段、2波段、6波段、7波段),利用决策树分类法,进行土地利用分类试验。结果表明,仅利用MODIS数据自身信息对宏观的土地利用分类就可以达到较高的精度,分布范围完整的土地利用类型如耕地、城市居民点精度较高,零星分布的土地利用类型如农村居民点、草地分类精度较低。决策树分类法充分发挥了MODIS数据的多光谱特点,总体精度达到71.4%,kappa系数为0.68。相对于最大似然法,总体精度提高近10个百分点,对耕地及沼泽等类型的精度提高20%到25%。     

影像信息决策树分类方法设计

归纳学习训练样本能够产生决策规则或决策树,通过决策规则或决策树分类新数据的方法称为决策树。本文以大连市旅顺口区为研究区域,分析该区影像信息选取分类样本,选取合适的特征,统计分析样本的特征值,运用基于特征的决策树分类方法,设计决策树分类器,来解决该区域土地利用分类问题。     

基于ETM＋影像的凌源市土地利用遥感分类方法的研究

本文以辽宁省凌源市为研究对象,采用RS技术,以ETM＋数据为信息源,使用ENVI遥感影像处理软件进行数据处理,对凌源市土地利用类型进行分类,并对分类结果进行精度比较分析。分类的方法包括非监督分类,监督分类的最大似然法分类以及决策树分类。采用混淆矩阵法对三种分类结果进行精度分析。结果表明,非监督分类与最大似然法分类的总体精度分别为84.34%、85.82%,精度不高。在决策树分类中,对数据进行地物光谱特征分析、NDVI特征分析、主成分分析并结合DEM数据,建立一棵比较合理的决策树,总体分类精度达到90.65%。     

模糊计算在决策树分类中的应用

决策树分类方法在数据挖掘和机器学习中占据很重要的位置,为了应对数据量不断增长的情况,传统的决策树分类算法需要通过模糊计算来解决多模态多维度的数据处理,对经典的ID3算法进行了介绍并给出了其模糊化处理的办法。     

基于最小Gini指标的决策树分类算法设计与研究

从一个新的思路对基于最小Gini指标的决策树分类算法进行了讨论。简单介绍了CART算法和Gini指标的定义,并且对SLIQ和SPRINT决策树分类技术进行深入的分析。同时对SLIQ算法的时间复杂性和这两种算法的内存管理和性能方面进行了比较和分析。     

决策树分类算法——ID3算法及其讨论

讨论了基于互信息的决策树分类算法——ID3算法。     

数字高程模型(DEM)的空间分辨率对地形分类的影响

地形的划分种类与DEM空间分辨率息息相关。文章以50m、400m格网间距的DEM为例,发现其对应的地形分类各不相同。其中,前者的类型数目达6～8种,而后者仅为3～6种,可见最佳的地形分类总是对应着一定的空间分辨率。为了进行更为详尽的地学分析,需要以高分辨率的DEM为基础。     

基于C4．5的决策树改进算法研究

对海量数据的处理能力是数据挖掘最关注的问题。决策树作为一种分类器,是数据挖掘中用到的一种基本方法之一。基于C4．5的决策树改进算法,是在一些典型的决策树分类算法的基础上提出的,基本思想是在建树过程中,用属性依赖度替代信息增益率来确定划分条件属性的顺序。该算法借鉴MedGen算法的阈值设定方法,在简化决策树剪枝和优化过程的同时,可优化C4．5算法中使用信息熵率的时间复杂度,避免了使用信息熵带来的不当划分。简述了该改进算法的执行过程,证明了算法的正确性。     

一种改进的SVM决策树文本分类算法

将SVM和二叉决策树结合起来构成SVM决策树的方法能够较好地解决多类文本分类问题,在此基础上引入了一种基于支持向量数据描述(SVDD)的类间可分性度量方法,对SVM决策树分类器进行改进,实验表明,该方法有效地提高了SVM决策树多类分类器的分类精度和速度.     

SVM和C4.5决策树在肝包虫CT图像分类中的研究

探讨C4. 5决策树、支持向量机分类器在新疆地方性肝包虫CT图像分类中的应用。使用sym4小波变换方法对预处理的图像进行特征提取,运用统计学方法筛选出最优的特征子集,并构建C4. 5决策树分类模型和支持向量机分类模型,进一步对模型的准确性、召回率等进行评估。结果显示,3种CT图像两两分类和综合分类时,C4. 5决策树分类模型的分类精度都明显高于支持向量机分类模型,C4. 5决策树分类模型的分类精度均达到87%以上,分类效果较好。实验结果表明,将C4. 5决策树分类器应用于肝包虫CT图像的分型中,为肝包虫病影像学诊断提供了一定的依据,也为后续新疆地方性肝包虫病计算机辅助诊断系统的研发奠定了基础。     

基于模式聚合和决策树的文本分类规则抽取

本文首先提出一种改进的X^2统计量,以此衡量词条对文本分类的贡献。然后根据模式聚合理论,将对各文本类分类贡献比例相近似的词条聚合为一个特征,建立出文本集的特征向量空间模型。此方法有效地降低了文本特征向量空间的维数。最后使用决策树进行分类,从而既保证了分类精度又获得了决策树易于抽取可理解的分类规则的优势。     

决策树分类器融合在CRM客户分类中的应用研究

将多分类器融合技术用于CRM中的客户分类研究,以提高分类性能。以决策树作为基本分类器,引入最小二乘技术进行多分类器线性融合。实证结果显示,4种不同的融合方案的分类性能均胜过任一基本分类器,甚至优于基于遗传算法的神经网络融合分类结果,从而表明了该方法的可行性和有效性。     

基于云理论的文本分类方法

提出一种基于云理论和神经网络构造决策树的文本分类方法。运用云神经网络学习变量间的云映射关系,从中生成云决策树。这种方法结合了神经网络的学习算法和决策树的推理方法,具有神经网络的学习能力,并且应用了云发生器对处理不确定性的能力。更符合人类的思维方式,从而进一步提高了文本分类的效率、准确性和可靠性。     

中国海岸带土地利用遥感分类系统研究

土地利用分类是土地利用数据建立和土地利用变化研究的前提。鉴于我国海岸带土地利用多样性显著而分类系统研究相对不足的现实,本文简要论述国内外海岸带土地利用分类系统的研究进展、适用的遥感数据类型和制图精度,并从陆海耦合的角度出发回顾国内滨海湿地分类系统的研究成果。在此基础上,提出中国海岸带土地利用遥感分类系统优化方案,包含8个一级类型和24个二级类型,较全面地涵盖了全国海岸带的土地资源类型,并从海岸带区域的特征出发,强调了湿地资源的细分;应用该分类系统,基于Landsat TM影像建立解译标志,并对2010年中国海岸带区域土地利用进行遥感制图,表明该分类系统具有较强的可行性。本研究可为全国尺度海岸带土地资源遥感调查、土地利用管理与规划、海岸带综合管理等研究工作提供参考。     

浅谈数字高程模型(DEM)空间分辨率的应用

数字高程模型(DEM)的应用范围非常广泛,如地形特征的提取,地面侵蚀分析和坡度稳定性分析等等。这些研究都需要大量高精度的DEM,而DEM的精度又是通过空间分辨率和高程精度来评定的。     

利用航空影像进行地形图测绘与更新的介绍

通过介绍数字地理空间框架建设中,利用航空影像测绘与更新1:10000地形图项目,阐述地图测绘与更新的地理信息数据库建设的技术设计过程,并介绍其技术要点、关键,为类似数据地理信息测绘项目建设提供典范和宝贵的参考价值。     

基于DEM的大青山土地利用特征分析

文章以ArcGIS软件为平台,在研究区1∶5万地形图生成数字高程模型(DEM)基础上,分别从高程、坡度和坡向角度对内蒙古大青山土地利用特征进行了分析。研究结果表明:耕地、城镇工矿居民用地和水域集中分布在1 400m～1 800m的平地、缓平地上,林地、草地和未利用土地则集中分布在1 400m～1 800m的斜坡上。其中林地在阴坡、半阴坡上分布较集中,而其他地类在阳坡上的分布较集中。     

如何有效利用档案分类理论对档案库进行建设之探析

在建设结构合理、格式规范、便于共享的档案数据库的过程中,仅仅依靠数据库理论是不能胜任的,数据库管理系统（DBMS）本质上就是管理所用的工具和平台,其数据结构、类型、内容范围等关键要素都必须依靠档案基本管理理论提供的营养来进行保障,也是我们平常所说的业务支撑。