基于分类回归树分析的遥感影像土地利用/覆被分类研究

以专家知识和经验为基础,综合影像光谱信息和其他辅助信息进行分类的基于知识的遥感影像解译方法,是提高遥感影像分类精度,实现自动解译的有效途径之一。然而,知识的获取一直是其得以广泛应用的“瓶颈”问题。以江苏省江宁试验区土地利用/覆被分类为例,利用分类回归树分析(CART)从训练样本数据集中发现分类规则,集成遥感影像的光谱特征、纹理特征和空间分布特征进行分类实验,并与传统的监督分类和逻辑通道分类方法进行比较。结果表明,基于CART的分类方法的精度基本在80%以上,与另两种方法相比,有了较大的提高,而且该算法复杂性低,效率高。由此说明,利用CART算法构建决策树获取的分类规则是合理的。它可以快速、有效地获取大量分类规则,是促进基于知识的遥感影像分类方法在土地利用/覆被分类中广泛应用的一项有效手段。

广义模型及分类回归树在物种分布模拟中的应用与比较

比较3个应用较广的模拟物种地理分布模型:广义线性模型(GLM)、广义加法模型(GAM)与分类回归树(CART)对中国树种地理分布模拟的优劣,以提出更为合适的模拟物种地理分布模型,并用于预测气候变化对物种地理分布的影响。3个模型对中国15种树种地理分布的模拟研究表明:除对油松、辽东栎分布的模拟精度稍差外,对其余树种分布的模拟精度均较高,其中以GAM模型最好。结合地理信息系统(GIS),比较分析了这3个模型对青冈、木荷、红松和油松4种树种的地理分布模拟效果,结果亦表明:这3个模型均能很好模拟青冈和木荷的地理分布,而GLM模型对红松分布的模拟结果不太理想,3个模型对油松分布的模拟结果均不甚理想,其中以GLM模型最差。基于3个模型对未来气候变化下青冈与蒙古栎地理分布的预测表明:GLM模型与GAM模型对青冈分布的预测结果较为接近,青冈在未来气候变化情景下向西和向北扩展,而CART模型预测青冈在未来气候变化情景下除有向西、向北扩展趋势外,广东和广西南部的青冈分布区将消失;3个模型均预测蒙古栎在未来气候变化情景下向西扩展,扩展面积的大小为:模型的模拟面积>模型>模型。

基于分类回归树和AdaBoost的眼底图像视网膜血管分割

提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.960 7,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.

基于分类回归树CART的湖南黑茶汤色品质的表征研究

采用色差法分析了红茶、绿茶、乌龙茶及不同产地的黑茶的汤色。根据茶汤色度值筛选出特征变量,建立了湖南黑茶的分类树CART识别模型。结果表明:湖南黑茶与绿茶、乌龙茶和红茶间两两比较,除与乌龙茶Δa*差异不明显外,其他色度值都存在显著差异;对于不同产地的黑茶对比分析,湖南黑茶除与青砖的ΔL*和生普的Δa*差异不大外,与六堡茶、青砖、藏茶、生普和熟普茶的ΔL*、Δa*、Δb*和ΔE*之间有明显差异;采用预测集样本评估模型质量,分类树CART模型对于茶叶类别和产地的识别正确率分别是100%和93.3%。因此,利用茶汤色度值建立起的分类树CART模型,可以得到湖南黑茶很好的分类识别效果。

基于分类回归树(CART)方法的统计解析模型的应用与研究

分类回归树是基于统计理论的非参数的识别技术 ,它具有非常强大的统计解析功能 ,对输入数据和预测数据的要求可以是不完整的 ,或者是复杂的浮点数运算。而且 ,数据处理后的结果所包含的规则明白易懂。因此 ,分类回归树已成为对特征数据进行建立统计解析模型的一个很好的方法。本文首先介绍了一种构建分类回归树的算法 ,并对其剪枝策略进行了简单的探讨 ,最后用统计解析软件S PLUS对一个应用实例进行了分析 。

基于聚类和分类与回归树的地力等级评价研究

以黄淮海平原粮食主产区河南封丘县为研究区域,利用基于GIS的土壤空间和属性数据库,采用聚类分析和分类与回归树(CART)相结合的方法建立了耕地地力评价模型。研究结果表明,基于聚类分析和CART的地力评价模型准确度为93.56%,较单独使用决策树模型的准确度有明显提高;根据耕地地力分级规则,一等地至五等地分别占全县61 733.3 hm2耕地的28.167%、49.518%、9.389%、5.77%和7.156%;地力等级较高的耕地主要分布于封丘西北部,地力较低的区域主要在东南部,由西北向东南地力呈带状递减趋势。本文的研究结果可为当地中低产田及其障碍因子的解析和农田精准管理提供参考依据。

厄洛替尼治疗晚期非小细胞肺癌分类及回归树分析

背景与目的厄洛替尼是治疗非小细胞肺癌(non-small cell lung cancer,NSCLC)的靶向药物。已有研究表明具有不同临床特征的患者对厄洛替尼的生存获益存在差异,但结论并不一致。本研究将探索厄洛替尼治疗晚期NSCLC生存时间的预测因素以及这些因素的相互影响。方法对2006年9月-2009年9月在中国医学科学院肿瘤医院使用厄洛替尼治疗的晚期NSCLC患者的临床及生存资料采用分类及回归树分析(classification and regression tree,CART)。结果 105例患者的中位无肿瘤进展生存时间(progressive-free survival,PFS)为5.0个月(95%CI:2.9-7.1)。CART分析将淋巴结分期、厄洛替尼治疗时机及吸烟状况分别作为第一、二、三级划分位点,逐级获得4个终末亚组。生存时间较长的是无淋巴结转移或有淋巴结转移、厄洛替尼治疗≤二线并且吸烟≤35包年的两组患者,中位PFS分别为11.0个月(95%CI:8.9-13.1)和10.0个月(95%CI:7.9-12.1),而生存时间较短的是有淋巴结转移且厄洛替尼的治疗>二线或有淋巴结转移、厄洛替尼治疗≤二线并且吸烟>35包年的两组患者,中位PFS分别为2.3个月(95%CI:1.6-3.0)和1.3个月(95%CI:0.5-2.1)。结论是否存在淋巴结转移、厄洛替尼治疗时机以及既往吸烟状况是影响厄洛替尼治疗PFS的主要因素。CART可以找出既往被我们忽略的亚组患者,有利于为临床实践及今后临床研究找到同质性的患者群体。

应用分类树模型筛选logistic回归中的交互因素

目的探索自动筛选logistic模型中交互作用因素的方法。方法借助一个实例,说明分层、分类树与lo-gistic模型之间的关系,借助分类树模型自动进行筛选logistic模型中交互作用因素。结果本例分析结果表明,可以应用分类树为logistic模型筛选交互作用因素,并用logistic模型对可能的交互作用因素作最后检验,并通过实例说明应用要点。结论在logistic回归分析中,分类树可以有效地用于自动筛选可能的交互效应因素。

基于分类回归树(CART)的点焊质量在线监测

电阻点焊过程动态信号蕴含着大量直接或间接反映焊点质量的动态信息.通过对焊接过程电极位移、动态电阻信号的同步采集和分析,从两种信号中提取了12个特征参量建立表征点焊过程的数据集,以焊点接头抗剪强度作为焊点质量评价的指标,利用分类回归树(CART)数据挖掘方法,将焊接过程监测参量与焊点强度之间复杂的映射模型以十分直观的二叉树形式给出,用一系列监测特征参量的逻辑表达式构成接头强度分类、预测规则,使得接头强度分类和预测过程易于表达、准确率高、分类预测速度快,进而实现对未知样本焊点强度的分类及预测.CART测试结果表明,分类回归树可以较为满意地完成焊点接头强度的分类、预测任务.

早产危险因素的Logistic回归及分类树分析

目的应用分类树模型和Logistic回归模型进行对比分析，探索北京地区早产发生的影响因素。方法对北京地区5家妇幼保健院的1323例早产进行1：1病例对照研究，应用分类树模型和Logistic回归模型分析早产的影响因素。结果Logistic回归模型显示均衡饮食（OR=0．509）、产前检查（OR=0．233）、常住址为城镇（OR=0．555）是早产的保护性因素，受教育程度低（OR=1．674）、负性生活事件（OR=6．086）、性生活（OR=1．704）、前置胎盘（OR=11．834）、妊娠期糖尿病（OR=3．170）、妊娠期高血压疾病（OR：5．024）、早产史（OR=17．574）和胎膜早破（OR=4．083）是早产的危险因素。利用卡方自动交互检测法建立的分类树模型，共筛选出5个早产高危因素，其中胎膜早破是最重要的影响因素，其他包括妊娠期高血压疾病、膳食结构不均衡、无产前检查、文化程度低。结论孕期应进行定期的产前检查可及早发现高危妊娠，避免各种不良刺激，保持良好心态，积极预防胎膜早破。Logistic回归模型可以提供变量影响的定量解释，分类树模型可以更好地展现变量间的复杂相互作用。二者结合可更好地服务于流行病学的研究。

应用分类与回归树筛选慢性非传染性疾病健康素养影响因素的研究

目的:探讨分类与回归树(C&RT)在筛选慢性非传染性疾病健康素养相关影响因素中的应用。方法:收集2013年宿迁市105例慢性病患者组成病例组,对地区、年龄、性别进行成组匹配选取210例非慢性病患者组成对照组。结果:分类树模型从纳入慢性病健康素养相关的19个变量中筛选出就医行为素养、运动素养、对健康的理解素养、心理调节素养、家庭年收入、BMI值是否正常以及成瘾行为素养等7个有统计学意义的影响因素,并且说明了不同人群各自的影响因素。模型的错分概率Risk值为0.270,ROC下曲线面积为0.763,模型拟合效果较好。结论:应用分类与回归树能较好地筛选出慢性病健康素养影响因素,同时能显示变量之间的相互作用,还可以研究变量科学定义分界点。

用分类回归树方法研究亮温异常变化

利用分类回归树方法研究卫星热红外亮温异常数据和地震震级关系 ,结果显示对地震震级影响的主要因素是最大异常亮温面积 ,可以利用它来构造具有 4个终节点的最优分类树 ,其误判率为 0 .3131,并且该分类树具有很好的稳定性 .

一种基于Logistic回归和分类树的客户信用评估方法研究

探讨了基于Logistic回归和分类树的客户信用评估。从众多客户信用度影响因子中选择一些探索性变量,建立了相应的关联性测试模型。描述了Logistic回归和分类树的具体算法以及相关概念,如期望信息、信息增益等,然后分别使用Logistic回归模型和分类树对客户信用进行了测试评估。比较分析结果表明,分类树模型具有较低的错误分类率和较好的灵活性,但对计算资源的要求较高,且很大程度上依赖于观测数据。

沈阳市细菌性痢疾疫情分类回归树分析

目的探讨细菌性痢疾疫情与气象因素的关系。方法以沈阳市1950-1996年细菌性痢疾月发病率为响应变量,以气温、气压、降水量、蒸发量等气象指标为预报变量,利用软件R2.31构建回归树模型,应用SPSS13.0进行相关分析。结果对发病率进行拟合的预测值与实际值相符合,优于传统线性回归方法。在温度指标体系中,最低温度指标与细菌性痢疾关系最为密切。多因素回归树中,最低气温、降水量和气压最显著。结论回归树模型是处理异质性数据的有效工具,既简单实用又便于解释,在疫情预测方面具有广阔应用前景。

基于分类回归树模型对护士焦虑结局的预测研究

[目的]运用分类回归树分析方法,探讨护士焦虑的影响因素。[方法]随机抽取9所医疗机构600名护士,采用焦虑自评量表(SAS)调查护士的焦虑情况。[结果]单因素分析结果显示,不同婚姻状况、月收入、户籍、年龄、每周工作时间护士的SAS得分差异有统计学意义(P<0.05);分类回归树分析中,每周工作时间、月收入、婚姻状况、户籍进入模型,每周工作时间>49.92 h、收入<3000元的护士SAS得分最高[(65.4±3.0)分],每周工作时间≤45.92 h、已婚护士SAS得分最低[(28.9±4.9)分]。[结论]应根据护士不同因素组合的情况,合理安排工作时间,统一薪酬制度,从而降低护士的焦虑程度。

Logistic回归与分类树模型的比较

为了有效地评估客户的可信度,提高信贷机构经济效益。文中通过统计学中的参数方法Logistic回归和非参数方法分类树这两种方法,建立两种模型对数据进行预测,应用SPSS软件的Binary Logistic Regression方法,利用ROC曲线的性质来对模型的性能进行评价,根据输出结果比较两种模型在应用中都是可行有效的,在实际操作中应因地制宜,把握两种方法的优势,得到更有价值的结果.

基于分类回归树的高炉铁水硅含量预测模型

针对高炉铁水硅含量的预测问题,作者探索出基于分类回归树算法的建模策略,为高炉炉温控制提供了新的可选思路.针对某高炉的在线生产数据,分别建立了分类回归树预测模型和支持向量机预测模型,并从命中率、均方根误差对模型的性能进行了分析.结果表明:分类回归树模型的预测精度整体优于支持向量机模型,尤其在炉况波动较大时预测效果较好.

分类与回归树——一种适用于临床研究的统计分析方法

介绍分类与回归树 (classificationandregressiontrees,CART)的发展历史、结构、组成和特点。CART包括分类树和回归树两部分 ,分类树的结果变量是分类变量 ,回归树的结果变量是连续变量。CART是一种树型结构 ,由树结和连线组成 ,在末端的树结又称为终止结。CART可分析同质性较差的数据 ,采用替代变量的方法解决缺失数据问题 ,不要求数据的分布 ,可同时利用各种类型的数据。CART的树型结构与临床思维十分接近 ,有利于CART在临床研究中的应用。CART可用于临床研究数据分析 ,其应用范围有待于不断扩展。

基于主成分分析和分类回归树的客户欠费预测

针对电信数据维度增加导致的客户欠费预测算法复杂度过高的问题,提出基于主成分分析和分类回归树的电信客户欠费预测算法。该算法将原始电信数据进行数据缺失值处理、数据冗余识别和数据结构化后,进行数据规范化建模,利用主成分分析算法对建模后的电信数据进行降维处理,将降维后的数据作为分类回归树算法的输入数据对客户是否欠费进行分类,预测客户是否将存在欠费行为。利用实际电信数据进行验证,结果表明该算法的预测错误率为4.49%,预测耗时为17.05s,与分类回归树算法相比,在能够预测客户欠费的同时,还能提高预测效率。

用分类与回归树算法进行人才识别

高校人才的引进对学校的发展十分重要.传统的人才识别方式是考察引进人员的一些定性的指标来进行人才识别,这样难以保证识别结果的全面性、科学性和准确性.给出了一种新的定量的人才识别的方法,它是利用数据挖掘中分类与回归树(CART)的方法为理论基础对人才进行定量的识别,更具科学性.分类与回归树方法利用过去已有的引进人才的经验数据分析提取规则,为以后的人才识别提供合理的、科学的决策支持.