一种基于聚类与离散化算法的分类方法

在采用聚类方法产生训练集的基础上,运用粗集理论离散化预处理该训练集,可以更好的提高分类精度。文章运用PAM算法聚类原始样本构成训练集,再利用布尔逻辑和粗集理论结合的离散化算法离散化该训练集,并以此离散化的训练集训练分类器。实验结果证明,基于该方法在相同的数据集上分类,比仅基于PAM算法预处理的RDDTE方法产生的分类精度最高提高了15.5%,且选用更少量的训练集。

基于DMSP/OLS夜间灯光数据的县域建成区的提取方法研究——以重庆市为例

以DMSP/OLS稳定夜间灯光数据、重庆市统计年鉴和区县城区面积为数据源,按照"影像校正—阈值提取—最佳因子—拟合方程—方程验证—方程应用"的思路对县级尺度建成区的提取方法进行探索,并采用K-折交叉验证法对结果进行验证。结果显示:结合影像自校正法和辐射定标法进行数据预处理效果较好;采用动态阈值法提取的建成区面积相对误差在10%以内的占96.87%,表明动态阈值法对于提取建成区面积效果很好;SPSS软件中建立DN总值与23项因子之间的回归方程,拟合优度为0.999 5,说明采用23项因子反演DN总值是可行的;按照拟合方程提取出来的建成区面积与区县实际城区面积相对误差在10%以内的占93.75%,表明反演效果很好;交叉验证结果显示相对误差在10%以内的占80%,相对误差较大的点主要出现在渝东南生态保护区,其余功能区相对误差均较小,表明方法可以应用并推广。县级尺度建成区的提取方法的建立为灯光数据在县级尺度的应用提供了新的思路,为无法获取城区面积数据区域的建成区提取提供了一个很好的解决方法,对于城市化相关研究有很好的现实意义。