基于svm的人工林地力评价研究与实现

《基于svm的人工林地力评价研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、SystemResearchofArtificialForestProductivityEvaluationBasedonSupportVectorMachinebyZhangJingAthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineering●lnComputerApplicationTechnologylnCentralSouthUniversityofForestryandTechnology498ShaoshanSou

2、thRoad，TianxinDistrictChangshaHunan410004，P．R．CHINASupervisorProfessorⅥ吧IShanPeiMay，2013中南林业科技学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品，也不包含为获得中南林业科技大学或其他教育机构的学位或证书所使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式表明。本人完全意识到本声明的法律后果由本人

3、承担。中南林业科作者签名：>、算等。驯歹年j7月≯．7日技大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件或电子版，允许论文被查阅或借阅。本人授权中南林业科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于：1、保密口，在年解密后适用本授权书。2、不保密眺(请您在以上相应方框打“4”)作者签名：伽l罗年厂月节、通鼍导师签函f弓年S摘要近年来，随着我国经济和社会的快速发展，各行

4、各业信息化程度不断提高，林业信息化建设也取得长足的进展。地力数据是林业中最重要的数据类型之一，对这类数据进行分析，对地力等级进行评价，已成为林业部门一项重要的日常工作。支持向量机(SVM)作为一种新的机器学习方法，由于其具有小样本学习、收敛速度快、泛化能力强、能够得到全局最优解等优点，已成为研究的热点课题，并广泛地应用于模式识别、分类分析等领域。粗糙集(RS)是一种处理不确定性和不完整性的数学工具，在处理大量数据，消除冗余信息和处理不确定性信息等方面具有一定的优势。本文从支持向量机的算法研究出发，结合粗糙集理论，通过实验验证支持向量机模型

5、在人工林地力等级评价中的可行性，并最终将其应用到人工林地力等级评价系统的实际项目中。本文首先介绍了国内外常用的地力等级评价方法，并分析了现有方法的不足，结合地力方面数据的特点，提出了基于粗糙集与支持向量机的分类方法；然后简要论述了支持向量机的理论基础，深入研究了支持向量机解决实际问题的主流方法，给出人工林地力等级的RS．SVM评价模型；再将RS．SVM评价模型应用于人工林地力等级评价实验中，并与单一的SVM评价模型及基于BP人工神经网络的方法进行实验比较，根据实验的结果分析该模型的可行性；最后在以上研究的基础上设计开发了基于．NET平台的

6、人工林地力等级评价的信息系统。实验表明，与单一SVM评价方法相比，RS—SVM评价模型在保证评价精度的同时，降低了算法的空间和时间复杂度，提高了训练效率，同时它具有比BP人工神经网络更高的评价精度。实际地力等级评价工作中，到评价区的每一处采样和测量都是非常困难的，在大规模地力评价中，特别是样本有限的情况下，采用RS—SVM评价方法进行地力等级评价，是一种可行的方案。关键词：粗糙集；支持向量机；人工林；地力评价AbstractInrecentyears，withtherapiddevelopmentofChina’Seconomicands

7、ocial，informatizationlevelcontinuouslyimproveiIlallwarsoflife，forestryinformationconstructionhasalsomadeconsiderableprogress．Fertilitydataisoneofthemostimportantdatatypeintheforestry,analysisofsuchdataandevaluatethesoilfertilitylevelhasbecomeanimportantpartofdailyworkiIlt

8、heforestrysector．Supportvectormachine(SVM)hasbecomeahottopicofresearchasanewmachinelearningmetho