基于landset数据的决策树分类

基于landset数据的决策树分类

ID:12524620

大小:3.22 MB

页数:21页

时间:2018-07-17

基于landset数据的决策树分类_第1页
基于landset数据的决策树分类_第2页
基于landset数据的决策树分类_第3页
基于landset数据的决策树分类_第4页
基于landset数据的决策树分类_第5页
资源描述:

《基于landset数据的决策树分类》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于LandSet8数据的决策树分类—以平潭地区为例1、引言早在20世纪70年代,人们就开始靠目视解译进行遥感影像的分类判读。20世纪80年代,主要利用统计模式识别方法,依据地物的光谱特征对影像进行计算机分类。20世纪90年代以来,出现了大量的遥感影像分类方法,如面向对象的分类方法、多源信息的复合分类法、遥感与GIS的结合法、人工智能分类法等。由于目前遥感影像的分类方法多而杂,故本文结合课程需要,仅对辅以纹理、NDVI、MNDWI、MNDBI、地表温度、DEM等数据的决策树分类方法进行讨论,并对分类的精度进行了评估。2、

2、实验原理本文采用决策树分类方法进行地物类别的划分,目前决策树分类法包括:1)CLS算法。CLS算法于1966年提出,成为后来许多决策树学习算法的基础改进算法。它的主要思想是通过不断增加新的判定结点改善原决策树的分类性能,直到训练样本集被正确分类为止。2)ID3算法。ID3算法是最早和最有影响力的决策树算法之一,绝大多数决策树算法都是在它的基础上加以改进得以实现的。ID3算法具有描述简单、分类速度快的优点,计算量相对较小,适合于大规模数据的处理。但效率非常低,而且学习简单,逻辑能力较差,难以表达复杂概念,抗噪性差。3)CA

3、RT算法。CART算法是一种数据勘测和预测算法。CART算法具备多种决策树算法的功能和优点,并且能处理其他算法不能处理的非数值型数据,是决策树模型的典型代表。4)C4.5及C5.0算法。C4.5算法是目前被普遍采用的分类算法。其分类的方法是从大量样本中提取分类规则的自上而下的决策树。C5.0是在C4.5基础上发展起来的决策树生成算法。它和算法C4.5基本相似,只是对C4.5的一些局限做了改进。C5.0增加了Boost技术,较C4.5可以更好地处理大数据库,最后生成更准确的决策树,提高分类精度。而本次分类则采用ENVY软件

4、中的C4.5决策树分类算法。3、相关研究进展目前对于运用决策树分类方法进行行业应用与研究,也存在着大量的示例,如Chasmer[1]等以加拿大西北地区的ScottyCreek流域为研究区,借助机载激光雷达和高分辨率的光谱数据集,研究不连续冻土区的土地覆盖类型,并与WorldView-2的土地覆盖监督分类结果进行对比;在该研究中Chasmer等采用决策树的土地覆盖分类方法,把研究区分为冻土高原、沼泽、沼地、高地和水(池塘、湖泊)等5类;结果表明,与平行六面体分类方法相比,决策树这种分层次的分类方法分类精度高,能解释研究区内

5、土地覆盖类型88%-97%的区域范围。Teodoro[2]等运用决策树分类方法,利用Ikonos-2影像进行葡萄牙西北海岸的海滩特性/模式分类;其根据沿海特性的相关知识,把研究区域分为海洋、悬浮沉淀物、断裂区、滩面、海滩等五大类;研究过程中数据被随机分为训练数据集和验证数据集,通过对比几种决策树算法的混淆矩阵、总体精度和Kappa系数的值,发现CART算法是最适用于本次研究的;同时把该算法的分类结果与神经网络算法进行了比较,发现分类结果基本一致,因此Teodoro等认为CART算法可用于海滩特性/模式分类的进一步研究。S

6、harma[3]等借助开源技术的支持,构建了一个决策树分类算法进行遥感卫星数据(LandsatTM)的分类;该算法是利用开源的数据挖掘软件WEKA根据训练数据集光谱特性进行递归分区;将该算法的分类结果与传统的ISODATA聚类方法和最大似然分类法进行比较,发现决策树分类算法的分类结果明显优于比其他两种方法。4、实验方案4.1数据来源美国地质勘测局(http://glovis.usgs.gov/)Landset8数据(成像时间:2013年8月4日2点34分;行列号为119,42;云量覆盖度为1.21%)传感器:OLI(Op

7、erationalLandImager,陆地成像仪)TIRS(ThermalInfraredSensor,热红外传感器)OLI陆地成像仪序号波段(um)空间分辨率(m)10.433-0.4533020.450-0.5153030.525-0.6003040.630-0.6803050.845-0.8853061.560-1.6603072.100-2.3003080.500-0.6801591.360-1.39030TIRS热红外传感器1010.6-11.21001111.5-12.5100地成像仪(OLI)包括9个波段

8、,空间分辨率为30米,其中包括一个15米的全色波段;热红外传感器(TIRS)包括2个热红外波段,空间分辨率为100米,下载自地理空间数据云的level1数据已经重采样成30米。4.2研究区域研究区域为平潭地区的海坛岛,卫星过境时间为2013年7月12日02时28分35秒。4.3技术流程图4.4数据预处理4.4.1辐射

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。