判定树归纳分类法在数据挖掘中的应用

介绍了判定树归纳分类法的概念及基于ID3算法的基本策略，给出通过最高信息增益构造判定树的数据挖掘算法进行分类的预测模型，对判定树归纳分类法的具体应用给出了实例并作分析。     

利用最小填充树分解方法实现最短路径查询

随着社会的快速发展,道路网的规模越来越大,传统的最短路径算法已不能满足当前的实时要求,本文将基于最小度的树分解查询算法扩展至有向有权图中,提出了效果更好的基于最小填充的树分解最短路径查询算法,并对查询算法求解集合的过程进行了优化,实验结果表明,随着数据规模的增长,算法的时间效率相对于采用二叉堆的Dijkstra算法得到数量级提高。     

基于事件树的地理要素时空回溯

地理对象的时空回溯是时态GIS关注的热点,并在GIS应用领域有着迫切需求.时空回溯能够蓖现历史状态、跟踪变化、预测未来,有助于展现和分析整个地理变化过程.基于现实世界中的事件是引起地理要素变更的根本原因,本文从要素和事件两方面着手,以基础地理数据为例,归纳常见的地理要素变更类型,同时,建立蕴含事件关联及约束的事件树索引体系.在此基础上,剖析事件与要素变更的关联机制,设计时空回溯路线"事件--变更操作--要素状态",提出基于事件树的地理要素时空回溯方法,实现任意范围地理要素和单要素全生命周期的回溯.探讨了任意范同回溯中重叠区域内要素的回溯判别条件,并给出示例反演了跨范围单要素的全生命周期的时空回溯过程.     

自然景物树的视觉模拟

用ＰＤＺＬ算法、Ｆｔａｃｔａｌ－Ｓｕｂｄｉｖｉｓｉｏｎ算法在ＳＧＩ工作站上实用了自然景物树的计算机视觉模拟．     

基于树的多关键词搜索算法在网络监控系统中的应用

介绍了基于树的多关键词快速文本搜索算法，并针对该算法在实际应用中的问题提出了改进措施，在不增加预处理时间和内存空间消耗的前提下有效避免搜索中漏搜和多搜，无损于该算法的高效性。     

一种新的散乱点云数据多级空间索引

散乱点云数据具有数据量大（海量性）、数据表达精细（高空间分辨率）、空间三维点之间无拓扑关系（散乱性）等特征,在对其进行应用前必须进行数据预处理（如去噪、配准、分割等）。而在这些数据处理过程中需频繁的进行邻域查找,如果没有高效的查询索引机制,很难实现数据自动处理。因此,如何进行数据的组织和索引,以提高后续邻域检索和查询等操作的速度,是目前点云数据处理中的一个研究热点。针对现有点云数据采用的空间索引方式的优缺点,本文提出了一种多级格网和KD树混合的空间索引,该索引提出变分辨率格网索引与KD树的混合索引模式,简称MultiGrid-KD树索引。该方法在保持网格索引算法实现简单查询效率高等优点的同时,解决了单一分辨率数据冗余的问题。以故宫太和殿的点云数据为例,对本文提出的MultiGrid-KD树索引算法和KD树、八叉树等经典算法做对比。结果表明,本文索引方法在最邻近点查询以及四邻域查询的效率上均优于KD树,以及八叉树索引。     

基于改进RRT*算法的城市低空路径规划方法研究

随着无人机监测、巡查和测绘等低空技术得到广泛应用,低空长距离空中路径规划成为低空航空器应用面临的一个挑战。而传统快速扩展随机树（Rapidly-Exploring Random Trees/RRT）及其改进算法在大范围长距离低空三维空间下面临计算效率慢的问题,对此,本文提出一种带有R树空间索引的双向启发式RRT*算法,该算法在双向RRT*算法基础上为随机采样过程设置了启发函数,使得在面对狭小城市障碍物之间空隙时,能够避免局部最小值情况的出现。在此基础上为城市障碍物建立R树空间索引,减少了海量障碍物情况下碰撞检测的时间,提高了低空长距离空中路径规划效率。此外,为了得到更加符合无人机运动规律的路径,提高算法的实用性,在采样过程中设置转弯阈值控制转弯角度,并且对规划结果路径使用3次B-spline函数进行路径平滑。最后在武汉市三维城市场景中,利用武汉市建筑物数据进行了实验,实验证明相比已有算法,本文提出的带有R树空间索引的双向启发式RRT*算法相比较RRT算法和双向RRT*算法在500 m、 2000 m、 10 000 m不同距离下规划时间均降低了90%以上;采样次数相比RRT算法在不同距离下分别降低了51.6%、75%、86.7%,相比双向RRT*算法在不同距离下分别降低了20%、24.7%、57.3%;转弯次数相比RRT算法在不同距离下分别降低了77.3%、73.5%、78.3%,相比双向RRT*算法在不同距离下分别降低了37.5%、30.8%、16.8%;同时带有R树空间索引的双向启发式RRT*算法得到的结果路径长度相比其他2种算法也有缩短。该算法应用于低空长距离空中路径规划能够有效提高计算效率,降低规划时间,减少采样次数,缩短结果路径,减少转弯次数,丰富无人机的应用场景。     

专家系统在红树林湿地鸟类鉴别中的设计与实现

应用计算机专家系统对红树林湿地的鸟类进行分类与鉴别。结合产生式系统体系结构,设计开发红树林湿地鸟类鉴别系统,该系统利用鸟类目科检索表与二叉树的结构相似性,构建鸟类目科检索二叉树,结合B+树和判定树学习,设计鸟类检索编码表,实现红树林湿地鸟类目科和属种的鉴别。     

从规则高程格网中提取等高线的优化算法研究

从规则高程格网中提取等高线的算法是机助制图和GIS中非常重要的组成部分。本文针对当前高程格网数据的海量性,以提高效率为目的,对该算法进行了优化。将等高线提取算法分为起点确定和内插穿行两个阶段,对于第一个阶段的处理,提出基于区间树和顺序索引查找等高线起始点的算法,较大地改善了整体效率;同时,在顾及数字环境下等高线表达特性的基础上,设计的相关策略能够保证提取的等高线具有一致的方向信息。     

求解矩阵链乘序的最优划分树算法

作者提出了关于矩阵链乘最优三角划分的一些定理和最优划分树的概念，并根据这些理论，得出一种时间花费为Ｏ（ｎｌｏｇｎ）的矩阵链乘最优次序求解算法。     

基于决策树的多角度遥感影像分类

快速准确地获取土地利用/覆被信息是遥感领域研究的一个热点课题.本文用5种决策树分类器及MISR多角度数据,对塔里木河下游地区进行土地覆被分类研究.通过对不同波段和观测角数据组合形成的6个数据集进行分类比较发现:(1)无论使用哪种分类器,相比于天底角观测方式,多角度观测都能获得更高的分类精度,特别是能显著提高灌木,林地和草地类型的分类精度,说明多角度观测能有效地反映地物的反射异质性信息,更好地区分地物.(2)与MLC分类法相比,决策树算法的分类精度更高,特别是随机森林和C 5.0方法最为突出,说明决策树的分类能力要优于MLC法.使用多角度数据集时,这种差别更明显,说明决策树能更有效地利用多角度信息.(3)4种决策树算法(J48,Random Forest,LMT,C 5.0)使用近红外波段的分类效果好于使用红光波段的分类效果,说明近红外波段能提供更多的地物反射异质性信息.     

基于TM影像属性和形态特征的土地覆被制图方法

本文以浙江省中南部地区不同时相30m分辨率的2景TM影像为基本数据,采用面向对象的方法实现了研究区的土地覆被制图。首先,在eCognition软件中采用多尺度分割算法,以光谱信息、纹理特征、几何特征等实现研究区的对象分割,使分割后的对象边界与实际地物边界尽量保持一致,通过建立多层次地物特征规则,进行最优分割尺度下的遥感多层次识别分类;然后,分析可用于分类的属性特征和形态特征,通过对这些特征的统计值对比分析,选取了对象的紧致度、长宽比、MNDWI、LBV等特征构建了决策树模型,实现了研究区1：25万的土地覆被分类;最后,采用目视解译和野外样本2种方式对分类结果进行精度验证,其中,目测随机样点评价得到的总体精度为87.66%,野外样本点评价得到的总体精度为83.38%。研究表明：面向对象的分类方法不仅具有较高的精度,而且图斑与实际地物边界能较好地吻合,很好地避免了混合像元误分的现象,同时能消除像元分类的“椒盐现象”。     

利用物候差异与面向对象决策树提取油菜种植面积

及时、准确地获取农作物种植信息,对于农业生产管理和国家粮食安全有重要意义。目前越来越多的免费卫星数据可以用于作物分类及生理参数反演。Sentinel-2卫星于2015年6月发射,提供了13个光谱波段,具有较高的时间分辨率、空间分辨率和光谱分辨率,为不同作物特征区分以及大范围作物种植面积快速提取业务化运行的精度与效率提高带来了契机。随着Sentinel-2数据的免费下载,这就为大面积生产下一代区域或者国家尺度的高分辨率（10~30 m）农情遥感产品提供了可能。物候信息包含了作物随着季节不断变化的特征,利用如NDVI等时间序列植被指数找出不同作物的特征进而开展作物分类得到了广泛应用。本文以油菜为主要研究对象,以长江中下游地区的江汉平原为实验区,基于作物物候差异与面向对象决策树的方法,对Sentinel-2卫星影像用于油菜种植区提取的效果进行了评估与分析。首先利用作物不同生长时期各波段光谱信息以及归一化植被指数等信息的差异分析并找出油菜种植区提取的最佳时相,然后对影像进行多尺度分割,根据对象特征建立决策树逐一去除非植被、林地等干扰类型,进而提取出油菜种植区域。通过分析发现,基于Sentinel-2影像的图像分割可以有效生成不同作物类型的对象;油菜开花期的特征是其区分于其他作物的关键因素,利用该特征可以有效消除分类时其他地物类型对油菜的影响,提高作物分类信息提取的精度和效率。研究表明：在区分油菜的决策树分类特征信息中,贡献最大的是归一化植被指数（NDVI）,近红外波段（NIR）和亮度（Brightness）信息。用162个油菜验证样本点计算混淆矩阵,油菜种植面积提取的总体分类精度为98%以上,Kappa系数为0.95。说明结合物候信息利用Sentinel-2数据进行大范围作物种植面积提取具有巨大潜力,可以提高大范围油菜种植区域快速提取的精度和效率。     

采用非线性决策树的学生课堂教学满意度研究

学生反馈是评估高等院校课堂教学质量的重要指标。目前,对学生反馈的问卷仅进行主观理解和简单统计,无法提供准确定量的分析和支持依据。使用非线性决策树,对近3年本科必修双语课程《数字图像处理》的学生评教问卷进行数据挖掘,首先将其分成3类和10个不同输入,然后通过数据预处理、模型选择和建模,最后构建树状模型对其进行分析。分析结果符合对于该课程学生反应和争议较大的问题预期,为课程设计提供定量有效的教学分析工具。     

应用Sentinel-2A NDVI时间序列和面向对象决策树方法的农作物分类

农作物种植结构是农业生产活动对土地利用的表现形式。及时精确地获取农作物的空间分布信息对指导农业生产、合理分配资源以及解决粮食安全问题等具有重要意义。目前农作物信息提取研究大多局限于中低分辨率遥感影像的NDVI时间序列,影响了作物空间分布信息提取的准确性。随着Sentinel-2A卫星成功发射,为高分辨率NDVI时间序列的构建提供了可能。本文以黑龙江省北安市为研究区,基于覆盖完整生育期的Sentinel-2A多光谱数据,构建10 m分辨率的NDVI时间序列数据集,利用 Savitzky Golay (S-G) 滤波器对 Sentinel-2A NDVI时间序列数据进行平滑。基于典型时相的多光谱数据和NDVI时间序列构建面向对象决策树分类模型进行作物类型遥感识别。通过对样本的NDVI时间序列曲线分析,可以得出NDVI时间序列能够清晰地区分作物物候差异。此外,本文还利用面向对象分类和支持向量机（Support Vector Machine, SVM）分类两种方法,对典型时相的多光谱数据进行了作物分类对比实验,并对结果进行了对比分析。研究结果表明：① 典型时相多光谱数据引入平滑重构后的NDVI时间序列能够更好地描述作物的物候特性,能够准确刻画研究区作物发育情况,有效区分各类作物;② 通过对比分类实验发现,典型时相多光谱数据引入NDVI时间序列特征,增强了不同作物之间的光谱差异,提高了作物分类精度,总体精度和kappa系数较典型时相多光谱数据进行分类的结果分别提高了7.7% 和0.055;③ 基于面向对象的决策树分类模型在作物分类的结果中精度最高,总体精度为96.2%,kappa系数为0.892。本研究的方法为其他大区域农作物的分类提供了重要参考和借鉴价值。     

决策树在中文姓名信息提取中的应用研究

提出并实现了一种中文姓名信息提取方法，该方法首先根据姓氏和名的用字概率信息，将姓氏作为抽取的触发条件，在文本中初步提取姓名。然后再充分利用中文姓名的上下文信息及姓名用字之间的关联程度的信息，选取特征作为决策树测试的属性列表，并将初步提取出来的姓名是否是真实姓名（bool型的值：yes或no）作为决策树要预测的目标属性，组建基于ID3算法的决策树进一步提取出正确的姓名，实验结果表明，该方法具有很好的召回率和准确率。     

最优分区与最优指数联合的水体信息提取

单波段阈值法和水体指数法具有方法简单、耗时少的优点,成为水体信息提取常用的方法,但对于面积较大、类型多样、影响因素复杂的区域,在全局使用任何一种方法均无法满足精度要求。为精确提取地表覆盖类型复杂、水体类型多样的山区水体信息,本文分别对归一化水体指数（MNDWI）、自动水体提取指数（AWEI）和归一化三波段指数（NDTBI）3种指数的阈值进行分析,以最优阈值分区方案进行分区并构建3个单指数决策树,寻找不同水体类型的最优指数,按照最优原则重构联合指数决策树来提取水体信息,其中,3种单指数提取法的Kappa系数分别为：0.863, 0.854, 0.862,最优指数联合决策树法的Kappa系数为 0.881。结果表明,基于3个指数构成的最优指数联合决策树的提取方法可以达到最高精度,由此说明,采用该法用于水体信息提取可得到最佳效果。     

空间数据挖掘技术在土地定级估价中应用

介绍了空间数据挖掘技术和决策树算法。通过对其研究，将可视化空间数据挖掘技术应用于土地定级估价，并介绍了基于Visual C^＋＋ 6．0和ESRI公司的MapObiect 2．0组件技术设计和开发了一个可视化交互空间数据挖掘土地定级估价原型系统。系统采用决策树方法作为数据挖掘方法的基本算法，采用训练与学习相结合实现土地定级估价。阐述了基于决策树空间数据挖掘土地定级估价的系统模型，系统总体框架、主要模块、系统界面及系统实现定级估价的工作流程。该方法是对土地定级估价方法的一种新的探索，是对土地信息系统开发的一种新的尝试，也是土地信息系统智能化发展的一个方向。     

基于高分六号宽幅影像的油菜种植分布区域提取方法

油菜作为我国主要的农业经济作物及食用油的主要来源,及时、准确地获取其种植分布信息,是全面掌握油菜种植状况、加强生产管理、优化作物种植空间格局的重要依据。高分六号（GF-6）的宽视场（Wide Field View,WFV）传感器在可见光-近红外波段基础上增设了2个红边波段、1个黄波段和1个紫波段,为油菜遥感识别提供了更加丰富的光谱信息,进而相较于蓝、绿、红、近红外4个“传统波段”的识别精度有所提升。本文以油菜开花期内两景不同时相GF-6 WFV影像拼接图像作为数据源,选择油菜生产优势区的河南省固始县为研究区,针对油菜同其他地物的“异物同谱”现象以及不同生长阶段油菜的“同物异谱”现象,利用油菜开花期独特的反射光谱特征,结合均值间标准化近距离提出了NDSI₂₈、S₃₄、NDSI₂₃和NDSI₄₆共4个光谱指数,并由此构建油菜种植区域提取的决策树模型。研究结果表明,基于4个指数组合构建的决策树模型对油菜种植分布信息的提取达到了较好的效果,总体精度为96.17%,与随机森林、支持向量机、最大似然法相比分别高出0.31%、0.88%和1.24%;制图精度方面,决策树法为98.15%,比随机森林、支持向量机、最大似然法分别高4.72%、4.21%和5.59%;对于用户精度,决策树法为86.89%,较随机森林、最大似然法分别低2.2%和1.63%,比支持向量机高0.11%。由此说明,GF-6 WFV数据中的新增波段极大地丰富了其光谱信息,使其在包括油菜在内的农作物种植分布信息提取中具有独特的优势和巨大潜力。     

基于位移强度概念分析大坝变形规律

为改变以单个监测点为研究对象分析大坝变形规律的方法,提出位移强度概念,并以此作为分类标准,借鉴决策树算法,根据大坝所有监测点的坐标建立模型,计算并分析大坝在某一方向上的整体变形规律。