遥感影像中辫状河道提取的CART决策树分类方法研究

为精确提取形态复杂的辫状河道水体范围,采用多信息合成的CART决策树分类法对俄罗斯勒拿河入海口的三角洲进行辫状河道自动提取实验。对预处理后的Landsat 8遥感影像进行NDWI和ISODATA分类操作,将这两种操作的结果影像与原始影像进行组合,构建特征数据集;利用CART分类工具对研究区进行分类,将分类后的水体范围输出为矢量图形。结果表明该方法的河道提取精度优于最大似然分类法,较好地实现遥感影像中辫状河道信息的提取。

基于面向对象CART决策树的土地利用分类研究

面向对象的CART决策树分类方法可解决目前流行的监督分类、非监督分类以及模糊分类方法中“同物异谱、异物同谱”引发的漏分、错分问题。该方法融入了形状和纹理特征进行分类,同时运用二级分类体系解决了相似地物因光谱、纹理不同而导致的地物错分问题,分类效果较好。利用楚雄市鹿城镇2013年GF-1号遥感影像进行土地利用分类。结果表明:(1)基于光谱、形状和纹理信息选取的19个特征变量开展面向对象的CART决策树分类,总体精度可达90.22%,其中林地分类的效果最好;(2)二级分类体系解决了耕地、裸地因光谱、纹理特征多样而产生的地物错分问题,总体精度提高了7.06%,Kappa系数提高了8.17%。

基于CART决策树的车辆与行人碰撞中头部损伤风险预测

为快速预测汽车碰撞行人头部损伤风险,建立了一种基于多刚体系统动力学仿真方法和分类回归决策树(CART)的预测模型。参考欧洲新车评价规程(Euro-NCAP),开发了具有精细化刚度特征的车辆前部结构多体模型;以行人尺寸、初始车辆速度和行人速度、人车碰撞位置、相对角度为变量,通过全因子设计试验方法,建立了4500组多体仿真模型;采用CART模型,挖掘变量与动力学响应参数的关联性。结果表明:车辆初始碰撞速度是影响行人头部动力学响应的关键因素;该模型对于碰撞速度和头部损伤准则(HIC15)值的预测精度分别为87.5%和86.8%,平均预测耗时为42.7ms,两者均具有较高的预测精度和决策能力。该结果可为制定行人头部损伤风险评估实验和损伤防护研究提供理论参考依据。

一种面向对象的CART决策树火烧迹地提取方法

现有的火烧迹地遥感提取主要侧重于对光谱信息的判识,对遥感影像的形状、纹理、空间上下文等特征的挖掘尚不充分。为此,本文提出了一种面向对象的分类回归树算法(CART)决策树火烧迹地提取方法,旨在提升火烧迹地遥感信息提取的精度和可靠性。为验证方法的可行性,本文选取四川省冕宁县“4·20”森林火灾为研究区,以国产高分一号B星(GF-1B)卫星数据为数据源,对研究区影像进行面向对象的最优尺度分割,并采用CART决策树算法,根据不同地物的光谱、形状和纹理特征从中自动获取最优特征及其阈值,构建决策树实现火烧迹地提取。结果表明:该方法在火烧迹地上的提取精度(总体精度92.00%)和可靠性(Kappa系数85.56%)均优于既有的监督分类技术方法。相关研究方法和实验结果可为火烧迹地精准提取与灾后评估等研究提供参考。

基于分类回归决策树算法的航班延误预测模型

针对民航客机航班延误问题,构建了基于随机森林(random forest)与分类回归决策树(CART,classification and regression tree)算法的航班延误预测模型,利用国内大型机场的真实数据集对模型进行训练,通过与Logistic回归算法,K-近邻回归(KNN,K-nearest neighbor)算法和决策树(decision tree)算法的训练结果对比,从拟合效果可以看出,该方法可以处理高维度数据,泛化能力好,降低了过拟合的可能性,模型的拟合程度R2可以达到0.83。

基于GF-1影像的东江流域面向对象土地利用分类

针对东江流域地物斑块破碎、湖泊河流众多等因素影响其地物分类精度的问题,该文以GF-1遥感影像为数据源,采用面向对象的分类方法,结合模糊分类和CART决策树分类法获取研究区土地利用分类信息。根据近红外波段均值的模糊范围(480~2 200)选择模糊小于隶属函数对水体与非水体进行区分,近红外波段均值小于480确定为水体,大于2 200确定为非水体;在水体类别中,采用长宽比指数模糊范围(1.53~4.32)调用模糊大于函数对河流与水库进行了区分,长宽比指数小于1.53确定为水库,大于4.32确定为河流;在非水体类别中,采用归一化植被指数NDVI(normalized difference vegetation index)特征值模糊范围(0.21~0.62)调用模糊大于函数区分植被与非植被,NDVI指数小于0.21确定为非植被,大于0.62确定为植被,最后采用面向对象的CART决策树分类法分出河流、水库、园地、林地、耕地、灌草地、未利用地、建设用地。与极大似然分类法、非监督分类法应用到GF-1遥感影像相比,基于面向对象的CART决策树分类方法的效果最好,总体分类精度高达93.27%,Kappa系数高达0.92。该方法可以作为东江流域获取较高土地利用信息的有效方法,为研究流域生态环境变化提供更准确的数据支持。

基于纹理信息CART决策树的林芝县森林植被面向对象分类

以西藏自治区林芝县的Landsat-8影像、地形图为信息源,结合样地调查数据及森林资源二类调查数据,研究基于纹理信息的CART决策树的面向对象分类对研究区内的森林地物类别进行提取,分类的总体精度和Kappa系数分别为82.53%和0.768,相较于不利用纹理信息的决策树分类和基于最大似然分类法的研究区地物类别的提取总体精度均高近10%,Kappa系数分别高0.12和0.111。结果表明:基于纹理信息的CART决策树面向对象分类方法对研究区Landsat-8影像进行植被类型提取,分类结果较好,能够满足研究要求。

基于GF-2遥感影像的面向对象分类方法比较研究

基于eCognition软件分别采用K-最近邻(KNN)分类、支持向量机(SVM)分类和CART决策树分类对GF-2遥感影像进行面向对象分类,并对3种分类方法的结果进行比较分析。结果表明:K-最近邻分类在影像准确性、复杂多样性、影像光谱混淆以及分布边界模糊等方面具有较高的识别能力。

基于Landsat-8和Sentinel-1A辽东湾海冰分类研究

为研究辽东湾海冰类型特征,文中基于2016年2月9日的Landsat-8和Sentinel-1A数据,结合多光谱、归一化植被指数(NDVI)构建CART自动决策树(CART Automatic Decision Tree),并用灰度共生矩阵(GLCM)统计Sentinel-1ASAR数据的纹理信息特征,对比传统监督分类并验证两种遥感图像海冰分类精度。研究指出:对Landsat-8数据,基于CART自动决策树的分类精度最高,总精度达81.68%;而Sentinel-1ASAR数据,基于最大似然分类的总精度为73.88%,相比于CART自动决策树,其能获得更高的海冰分类精度。分析本研究可知,基于光学数据的CART自动决策树在海冰类型识别中占优,而最大似然分类在SAR数据中对海冰类型的识别度较好,本文为辽东湾海冰监测与预报提供了一种有希望的技术手段。

单体热电池装配缺陷的图像检测方法研究

针对目前国内外热电池内部装配缺陷检测准确度不高的问题,研究一种基于图像检测热电池内部的单体热电池缺陷的检测方法。其中分析了单体热电池整体倒装、单体热电池装配次序、单体热电池漏装集流片3种常见的缺陷的特征,利用改进的灰度共生矩阵、HU不变矩和模板匹配三种算法对单体热电池进行缺陷分析。最后利用分类回归树(CART)进行检测,提出一种按权重分配参数的检测方法,实验结果表明,这种方法准确度达到97.5%满足检测要求,为热电池缺陷检测提供了有效途径。

基于货车GPS数据的城市货运停留行为识别模型

目前多数货运研究以提取货车静态停留行为为主,缺少对货车区域持续作业等动态停留行为的采集;停留行为结合物流园区、兴趣点、货运调查等数据研究货运出行特征,存在一定局限性、不稳定性。该文利用重型货车GPS数据与城市用地数据,设计基于时空序列的停留域搜索算法;构建停留时间、用地距离、用地性质权重三个维度的货运停留行为特征;运用轮廓系数评价聚类效果确定最佳簇数,基于围绕中心点划分的分类回归决策树(PAM-CART)算法建立城市货运停留行为识别模型,区别货运停留行为、非货运停留行为、混合货运停留行为。通过训练数据与验证数据交叉验证,模型准确率为99.3%。结果表明模型能准确地识别城市货运停留行为,可为城市货运交通、货运物流经济、货车碳排放等相关政策研究制定提供技术与数据支持。

基于Landsat时间序列数据的祁连山区域土地利用变化

为了研究祁连山地区土地利用变化情况,基于祁连山区域1986—2015年的Landsat时间序列数据,通过相对辐射校正获取时序地表反射率数据.采用光谱扩展与基于回归树的决策树分类(CART)获取规则的决策树分类方法,应用于长时间序列卫星影像,对各类土地利用类型近30 a的变化情况进行分析.结果表明:相对辐射归一化能有效减少时间序列数据之间光谱值差异,基于CART获取规则的决策树分类方法具有较高的分类精度.以2012年分类结果为例,总体分类精度为88.72%,Kappa系数为0.86,并分析了可能存在的误差.研究区耕地、林地和草地面积总体呈下降趋势发展,并且草地破碎化程度加剧,戈壁面积增多,植被退化导致土地荒漠化问题更加严重.最后,根据研究区土地利用变化情况进行讨论,并针对该情况提出建议.

京津冀县域碳汇时序变化及空间格局分布研究

研究京津冀县域土地利用碳汇规模与分布,对增强生态系统固碳能力,构建低碳导向的国土空间体系具有重要意义。本文以京津冀地区为研究对象,利用面向对象CART决策树分类得到2010~2020年京津冀县域矢量图,并对其进行碳汇量估算,探析京津冀地区碳汇时序变化和碳汇空间格局。结果表明:河北省承德市碳汇效益最大;不同土地利用类型碳汇差异较大,一级分类中,林地、草地和水域碳汇类型是京津冀地区的主体碳汇;二级分类中,其它类型林地、旱地、盐碱地面积占比大,但碳汇效益差,可作为增汇地区进行空间优化,提升碳汇能力。

基于机器学习法的急诊留观患者分流研究

目的通过建立急诊留观患者分流预测模型,促进急诊医疗服务管理水平提升。方法通过急诊一体化信息系统收集某三级综合医院2018年7月-2020年6月急诊留观区临床资料,应用机器学习法(BP神经网络和CART分类决策树)建立预测模型,使用SPSS 20.0统计软件和SPSS modeller 18.0统计软件进行数据分析和拟合评估。结果BP神经网络和CART分类决策树模型的分类准确率均达75%以上。急诊留观患者收治病房的影响因素主要有疾病谱、诊断个数、首诊科室、年龄。疾病谱为神经系统或循环系统的患者,收治病房比例相对较高;多系统疾病、诊断个数超过4个或≥80岁的患者,收治病房比例较低。结论应优化急诊重点病种救治流程,通过多学科协作优化床位内部分配和收治机制,加强互联网+医联体协作,改善院外分流措施。

一种改进的全极化雷达影像分类

针对面向对象的PolSAR影像分类中"维数灾难"的问题,该文提出过滤式与封装式联合的特征选择方法。该方法利用ReliefF算法和增益率评估模型作为特征过滤器剔除与分类相关性小的特征,采用CART算法进一步对剩余特征进行筛选,获得最优特征子集进行分类,并和Wishart监督分类、不进行ReliefF算法与增益率评估模型特征提取的分类方法进行比较。以GF-3影像数据为例进行实验,结果表明,本方法在时间成本和分类精度上较其他两种方法都有显著提高,验证了该算法在面向对象土地利用分类中的可行性。

南方地区复杂条件下的耕地面积遥感提取方法

针对我国南方地区植被类型复杂、地形复杂和地块破碎等原因导致耕地信息提取精度较低问题,提出了一种面向对象和CART决策树结合的复杂条件下耕地面积提取方法。以广西南宁市隆安县与武鸣县地区为研究区,采用Sentinel-2A影像,结合数字高程数据(Digital Elevation Model,DEM)及归一化植被指数(Normalized Difference Vegetation Index,NDVI)等多源数据,利用面向对象分割技术识别地块信息,然后以地块为单位采用CART(Classification And Regression Tree,CART)决策树分类法,依据不同地类的形状、光谱特征,提取研究区的耕地。结果表明:面向对象的CART决策树分类方法分类总体精度和Kappa系数分别为96.1%和0.94,相比较于未加入面向对象分割的CART决策树耕地信息提取总体精度提高Kappa系数提高0.54,面向对象的分割方法有利于减少复杂背景对耕地提取的影响。基于面向对象的CART决策树分类方法相比较于传统方法对研究区耕地信息的提取有较好的精确性,能够提高耕地信息的提取精度。