决策树简单模型

Figure 1-1 Simple Model of Decision Tree

决策树分类算法一般情况下有两步。第一步:决策树的生成。数据从根节点 进入,自顶向下,在决策树的内部节点进行比较,比较标准是属性值,分类好后 从这一节点开始向下分支,最后到达叶子节点,得到分类结果。第二步:决策树 修剪。决策树分类算法中存在只能参考一个事例的情况,当有两个或两个以上事 例出现时,决策树无法准确判断,这种时候决策树的分类能力较差,需要进行剪 枝。剪枝分为两种:预先修剪可以提早停止决策树的生长;事后修剪可以以分支 错误率为标准,根据标准剪除分支。

1.4 决策树在高分辨率遥感影像中的研究进展

决策树分类技术在高分辨率遥感影像分类问题上发展的时间并不长,对其研 究成果更是不多,但它方便、快捷、灵活、直观的特点却使其得到了广泛的应用, 也得到了我国很多专家的青睐。

付炜等人应用混合决策树技术对10种特征参数进行土地遥感分类,得到了精 度高达85%的分类效果[8]。为了对祁连山的针叶林和灌木林进行分类,韩涛利用

决策树的方法,得到了祁连山森林近十年的变化情况[9]。同一年,李爽等人探讨 了三种不同决策树的分类精度,再一次印证了决策树在遥感影像分类方面的良好 前景[10]。2007年,罗来平改进CART决策树算法,将其应用到遥感图像计算机自 动分类中,分类结构更加简单,分类效果更好[11]。2008年,张健钦对合适的地区 采用基于知识模型的专家决策树分类方法识别鄱阳湖湿地,最终的识别结果比较 准确[12]。后来,潘琛通过人工建立决策树,对TM系列影像进行处理,分类精度 较好[13]。

很多专家学者对决策树分类方法优劣势进行研究,得到很多结论,如李爽等 人[14]。决策树算法的操作简单,具有很强的灵活性,分类结构简单明了,不需要 利用先验知识假设概率分布,易于获得理想的分类结果,分类精度也较其他分类 方法要高。决策树方法生成的决策树结构简单直观、易于理解、计算效率高[15]。 但算法容错性差,对样本具有一定的依赖性,也是目前决策树算法处理高分辨率 遥感影像数据所面临的问题。来!自~优尔论-文|网www.youerw.com

1.5 本文组织结构

本文主要分为五个部分: 第一章,绪论。介绍利用高分辨率遥感影像进行分类的研究背景和研究意义,

然后对高分辨率遥感影像的分类方法进行综述。 第二章,研究区概况及研究资料。对本文研究数据进行简要概括,并介绍研

究流程。

第三章,基于决策树技术的高分辨率遥感图像数据处理。对本次研究流程进 行详细表述。

第四章,研究结果及分析。首先对研究结果的介绍,然后根据结果将决策树 方法与其他研究方法进行对比分析。

第五章,总结与展望。从对全文的总结与展望两方面对本文内容进行一个总 结。

上一篇:基于GIS徐州大型超市选址评价分析
下一篇:植被覆盖度遥感反演真实性检验

7Ps社会化媒体视角下的网络社群营销研究

大学女生的国产化妆品消费行为影响因素分析

汽车服务行业基于B2B3.0模式的供应链服务

旅游目的地的危机管理探...

F2F营销理论的跨国公司本...

京杭大运河博物馆叙事性...

青海循化县县域旅游品牌的重塑【4517字】

安康汉江网讯

老年2型糖尿病患者运动疗...

张洁小说《无字》中的女性意识

麦秸秆还田和沼液灌溉对...

互联网教育”变革路径研究进展【7972字】

ASP.net+sqlserver企业设备管理系统设计与开发

网络语言“XX体”研究

我国风险投资的发展现状问题及对策分析

LiMn1-xFexPO4正极材料合成及充放电性能研究

新課改下小學语文洧效阅...