一种基于加权规则的显著模式挖掘算法

在频繁项集挖掘过程中会发现事务或关系数据集中项目具有不同的重要性,而一些经典的频繁模式挖掘算法仅考虑项目频数这一属性来进行挖掘操作。针对该问题为不同的项目添加不同权重,提出一个新的加权规则模型,定义一种特殊的模式即显著模式。构造一棵类似于FPTree树的、具有高度压缩存储特性的数据结构树——SPTree(Significant Pattern Tree),之后基于SPTree树提出一个新颖的挖掘显著模式的算法DMSP(Data Mining Significant Pattern)。实验结果验证DMSP算法能够高效地挖掘显著模式。该算法可以有效解决由于项目重要性各不相同而导致的问题,有利于发现更多有研究价值的信息。

利用DMSP/OLS灯光影像提取城镇建成区的聚类阈值法

提出了便捷、高效地提取城镇建成区的聚类阈值法。该方法以连通区域循环标识算法所识别的建成区对象为基本空间单元,以对象的规模和地理重心处像元灰度(DN)值的大小为不同城镇化发展等级的衡量指标,进行空间聚类;然后,借助统计数据确定各聚类区域的最佳灯光阈值序列,提取城镇建成区,并对各建成区对象进行几何形态优化,利用消除运算去除细小碎片,填充运算填充内部空洞,平滑运算消除边缘锯齿。将提取结果与历年的《中国统计年鉴》数据和利用Google Earth提取的影像数据进行对比分析,结果表明,聚类阈值法能较好地提取城镇建成区的面积总量信息和空间格局特征,在数量尺度和空间格局上均有较高的有效性及可靠性。

基于多源遥感与地形信息的北极城镇用地信息提取

北极城镇空间信息对于研究北极,认识北极,利用北极都有重要意义。本文以北极圈内的城市特罗姆瑟为例,使用Landsat影像、DMSP/OLS夜间灯光、ASTER-GDEM2数据,通过特征提取得到属于光谱特征、纹理特征、夜间灯光特征、地形特征等18个特征,识别最优特征组合后基于AdaBoost算法提取1990、2004、2016年研究区的城镇用地,并将提取结果与最大似然法进行了对比,在此基础上进行了扩张分析。研究结果表明:引入地形与夜间灯光特征都可以在光谱纹理特征的基础上提高提取精度。基于光谱与纹理特征得到的总体精度与kappa值分别为86.20%和0.68;加入地形特征后精度分别提高2.70%(OA)和6.21%(kappa);加入夜间灯光特征后精度分别提高2.10%和0.50;加入地形与夜间灯光特征精度分别提高3.70%和8.55%,因此光谱、纹理、地形与夜间灯光的组合是最优特征组合。通过最优特征组合进行AdaBoost城镇提取,比最大似然法对城镇的两分类总体精度高10%左右、kappa值高20%左右。计算结果显示,研究区城镇扩张强度为5.5×10-4左右,属于缓慢扩张;扩张的平均动态度水平为0.018,是全球水平(0.0325)的一半左右;2004-2016年的动态度水平低于1990-2004年的动态度水平,说明研究区目前由高速发展期向平稳发展期过渡。