基于Apriori和位集合的关联规则应用

采用Apriori性质和位集合的技术进行海量遥感图像数据的挖掘,该算法只扫描一次事务数据库。节省了MBSA算法中的位集合的逻辑"与"操作,提高了效率,尤其针对海量的遥感图像数据。并将该算法应用到遥感图像关联规则挖掘中。

Apriori算法在遥感影像数据挖掘中的应用

近年来,遥感影像在数据挖掘中的应用越来越广泛。本文结合一个简单的实例将Apriori算法应用于遥感影像数据挖掘中,为相关的决策提供参考。

遥感图像多维量化关联规则挖掘

数据与数据库的爆炸式增长引发了一个十分突出的问题,就是如何高效、智能地将海量的数据转化为有用的信息和知识?近年来,数据挖掘技术的广泛研究正是基于这个目的。初步研究了卫星遥感数据的关联规则挖掘及其在土壤侵蚀和退耕还林上的应用。根据多维空间数据的特点,将遥感数据的属性值划分为不同的块。同时为了充分利用现有的关联规则挖掘的算法,还将划分好的数据转变为事务数据库形式。最后,利用Apriori算法提取了土壤侵蚀强度与坡度、植被覆盖度以及坡耕地之间有意义的关联,为退耕还林还草决策提供有益的支持。

一种基于模糊关联分类的遥感图像分类方法

遥感图像分类是遥感领域的研究热点之一.提出了一种基于自适应区间划分的模糊关联遥感图像分类方法(fuzzy associative remote sensing classification,FARSC).算法根据遥感图像分类的特点,利用模糊C均值聚类算法自适应地建立连续型属性模糊区间,使用新的剪枝策略对项集进行筛选从而避免生成无用规则,采用一种新的规则重要性度量方法对多模糊分类规则进行融合,从而有效地提高分类效率和精确度.在UCI数据和遥感图像上所作实验结果表明,算法具有较高的分类精度以及对样本数量变化的不敏感性,对于解决遥感图像分类问题,FARSC算法具有较高的实用性,是一种有效的遥感图像分类方法.

基于空间数据挖掘的遥感图像处理

数据与数据库的爆炸式增长导致了一个十分突出的问题,即如何高效、智能地从巨量的、有噪音的、随机的数据中提取有效的、潜在有用的信息和知识。近几年来,空间数据挖掘技术的广泛研究正是基于此目的。本文初步探讨了空间数据挖掘技术在遥感图像处理中的应用,其重点阐述了关联规则,以及数据挖掘技术在遥感图像数据处理中的基本方法以及如何对遥感图像数据进行离散化处理。文章最后简要介绍了遥感图像处理的决策树和人工神经网络数据挖掘技术方法。

基于数据挖掘的遥感影像围填海智能检测方法研究

以Landsat TM遥感影像为数据源,用本文提出的方法对渤海区域进行了检测。首先根据初始时刻影像(例如2001年影像)检测出海水区域,即感兴趣区域,然后以终止时刻影像(例如2007年影像)的同一感兴趣区域为研究对象,检测其中的陆地区域,即围填海区域。为了能够检测出围填海区域,采用数据挖掘中的关联规则算法,挖掘了围填海检测规则。为了验证本文提出的围填海区域检测方法的有效性,以整个渤海为研究区域,采用挖掘出的检测规则对待检测影像进行围填海区域检测,检测结果表明本文提出的检测方法能较高精度的检测出围填海区域。

基于映射位集合的遥感图像关联规则挖掘

提出MBSA算法,采用Java中的TreeMap的映射技术和压缩的BitSet来存储大量的布尔变量值,并且该算法只扫描一次事务数据库,用BitSet的逻辑“与”操作来代替数据库的扫描,有效提高了运行速度。将该算法应用到遥感图像挖掘中,提取遥感图像中红、绿、蓝波段与农作物产量之间的关联,为提高农作物产量提供有益的支持。

遥感影像关联规则数据挖掘

随着遥感影像的应用越来越广泛,从海量数据的遥感影像中智能化提取有用信息正在被广泛地研究,这就是数据挖掘技术问题,借用一个简单的实例研究了数据挖掘技术中的关联规则理论在遥感影像属性提取中的应用,应用Apriori算法提取了植被、坡度、降雨、山火之间的关联,为相关的决策支持提供了参考.

基于关联规则的遥感图像挖掘的应用研究

结合遥感数据的特点,利用P-树运算,将用于关联数据库和事务数据库的挖掘算法进行适当修正,在进行遥感图像关联规则挖掘时寻求新的算法,提出了几种剪枝策略(Pruning techniques),使之能适合遥感数据的挖掘,最后实现具体遥感图像上的关联规则挖掘.