基于Weka平台的C4.5算法在影像分类中的应用

遥感图像分类是从复杂的地物类型中提取有效类别信息的过程。在研究区地物类型较为复杂的情况下,借助计算机对遥感数据进行类别预测可以提高分类效率和准确率。本文基于Weka平台,利用决策树C4.5算法构造分类模型,进而对未知类别数据进行预测。实验分析表明,基于Weka平台利用决策树C4.5算法对遥感图像分类是可行且有效的,且分类精度较高。     

利用蚁群遗传算法改进高程异常拟合模型

针对多面函数在拟合高程异常中难以选取中心节点及光滑因子的问题,该文提出了蚁群-遗传算法改进高程异常拟合模型的方法。为拟合模型构建提供可靠的参数,使选择的中心节点更加合理,加入蚁群算法能够快速获取地形复杂区域的特征点。光滑因子是多面函数拟合法的重要参数,参数值影响了拟合模型精度的高低。采用了遗传算法优化光滑因子,将光滑因子作为种群的染色体进行遗传运算,求得了拟合模型的光滑因子最优值为0.452。利用蚁群-遗传算法改进后的多面函数构建的拟合模型精度为8.6mm,比传统多面函数法拟合结果精度提高了48%。实验研究表明,蚁群-遗传算法改进的多面函数在很大程度上提高了拟合模型的精度,充分验证了改进方法有效可行,为特殊地形的高程拟合提供了重要的参考依据。     

一种基于蚁群算法的山区GPS高程异常拟合方法

针对在山区地形条件复杂情况下构建GPS高程异常拟合模型精度难以满足需求的问题,将蚁群算法与多面函数法进行了融合。采用蚁群算法获取部分特征点,充分发挥特征点的表述作用,构建了更高精度的拟合模型。通过算例分析可知,融合方法求得研究区域内拟合点的内符合精度为2.5 mm,检核点的总体精度为4.4 mm,内外符合精度均高于常规拟合模型的精度。结果表明,基于蚁群算法的山区GPS高程异常拟合方法有效可行,同时证明了蚁群算法寻找最优特征点具有一定的优势,对于建模研究具有很好的参考价值。     

基于蚁群算法的多面函数在GPS高程拟合中的应用

针对多面函数拟合法的中心节点难以选取的问题，提出将蚁群算法引入多面函数并结合稳健估计构建高精度拟合模型的方法。利用蚁群算法在复杂地形中快速寻找特征点，与少量非特征点共同作为中心节点参与模型构建，将稳健估计加入多面函数，运用选权迭代法剔除粗差对拟合模型的影响。GPS高程拟合数据处理实例表明，基于蚁群算法的多面函数结合稳健估计的拟合方法可有效剔除粗差的影响，且拟合精度比只用均匀格网法提高26%。