一种基于植被指数的遥感影像决策树分类方法

以江苏省徐州市为研究区,采用2000年ETM+多光谱影像作为遥感信息源,选择影像的光谱特征和归一化植被指数(NDVI)、绿度植被指数(GVI)、比值植被指数(RVI)等10种植被指数作为分类特征,基于See5决策树学习软件构建分类决策树,实现了研究区景观格局的遥感分类。研究结果表明,决策树分类法易于综合多种特征进行遥感影像的分类,植被指数参与到决策树分类中能够提高分类的总体精度。

因素空间中知识挖掘的一种新算法

为提高多因素分类算法的准确性,根据集合包含与概念推理之间的内在联系,提出了有别于决策树算法的一种新的知识挖掘算法.引进因素的或操作、与操作,或操作背景空间,因素的决定域、决定度,优势因素等概念,给出基于上述原理与概念的知识挖掘算法的数学描述,研究了算法的训练和测试问题.在UCI共享数据库中的乳腺癌病例数据集上进行了算法的训练和测试,总错误率低于see5测试的结果.研究结果表明:算法的原理朴素而简单,有较好的学习能力,知识表达方式简洁.

数据挖掘中分类预测工具方法及应用研究

如何在大量的数据中获取有用信息,并且通过对数据进行有效的分析来进一步实现对未来情况的预测,是当今许多领域迫切需要的技术。本文通过对数据挖掘领域中经典的分类及预测软件See5/C5的解析,介绍了它的核心算法、实现机制以及应用特点。通过简单的应用例子展示出了分类及预测的实现过程,在信息处理的具体应用中可以结合应用的规模和特点选择相应的判定树处理功能,以求获得最佳的预测效果。