土地评价中关联规则与C4.5规则的应用比较

关联规则和C4.5规则能提高土地评价知识表达的可解释性和土地评价的有效性,克服传统土地评价方法中人为因素多的缺点。为对比关联规则和C4.5规则在应用中的差异,文章基于广东省土地评价数据库,在相同实验条件下进行了关联规则和C4.5规则的挖掘,并结合模糊判决算法分别建立了基于这2种分类规则的模糊分类器进行测试。结果表明,2种算法各有优点。其中关联规则具有更高的准确率,但其计算过程复杂,耗费时间长;C4.5规则准确率略低,但其计算成本低、速度快。

基于决策树分类的滨海滩涂围垦区土地利用变化研究

本文以浙江省上虞市海涂围垦区为研究区,运用基于C4.5算法的决策树分类方法对研究区2001年和2010年两期遥感影像数据进行解译,获取土地利用类型及其变化数据。结果表明,两期影像的总体分类精度和kappa系数均达到了90%以上,分类结果理想。该研究区是典型的农林养殖区,土地利用类型以农用地和养殖场为主,共占研究区总面积的74%以上,其中耕地(水稻田和旱地)、果园、菜地是主要的农用地类型。10年间,各地类间存在耕地转变为建设用地、水稻田转变为养殖场、养殖场转变为水稻田、水体转变为滩涂和滩涂转变为水体等多种转变关系。围垦较早的区域内耕地和建设用地比例较大,土地利用变化主要是由耕地转变为建设用地;围垦较晚的子区内水体较多,养殖场与耕地、滩涂与水体存在相互转变的关系。土壤盐分是造成海涂围垦区土地利用变化的重要驱动力。

基于C4.5算法的土地利用图像识别分类

以地物类型较复杂的福州市的城郊结合区一小块区域的土地利用分类为例,利用C4.5算法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、纹理特征和地形特征进行分类实验,并与传统的监督分类和逻辑通道分类方法进行比较及分析。结果表明,基于C4.5算法的分类方法的分类精度高于传统的监督分类和逻辑通道分类方法。因而利用C4.5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分类中广泛应用的一项有效手段。

基于MODIS数据的决策树分类方法研究与应用

介绍了目前国际上流行的两种决策树算法———CART算法与C4·5算法,并引入了两种机器学习领域里的分类新技术———boosting和bagging技术,为探究这些决策树分类算法与新技术在遥感影像分类方面的潜力,以中国华北地区MODIS250m分辨率影像进行了土地覆盖决策树分类试验与分析。研究结果表明决策树在满足充分训练样本的条件下,相对于传统方法如最大似然法(MLC)能明显提高分类精度,而在样本量不足下决策树分类表现差于MLC;并发现在单一决策树生成中,分类回归树CART算法表现较C4·5算法具有分类精度和树结构优势,分类精度的提高取决于树结构的合理构建与剪枝处理;另外在决策树CART中引入boosting技术,能明显提高那些较难识别类别的分类准确率18·5%到25·6%。