排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
目前的遥感影像分类研究中,决策树的生成完全依赖于现有的数据挖掘软件,缺少对决策树算法的深入研究和改进。本文以遥感影像分类为背景,采用BoostTree算法作为模型,通过算法改进构建了一种新的复合决策树算法———AdaTree,并以该算法为基础,设计实现了决策树遥感影像分类系统。以AdaTree算法作为分类器,分别对Landsat7ETM+影像和WordView2影像进行了基于像元和面向对象的分类实验,并与BoostTree和SVM算法进行了比较。实验结果表明,AdaTree算法在分类精度上要优于BoostTree和SVM算法,平均Kappa系数分别达到0.905 2和0.939 8。 相似文献
2.
为解决城市影响范围研究中忽略非匀质空间的问题,本文以光栅扫描算法为基础,提出了一种非匀质空间下面状加权Voronoi图生成算法。首先,对面状目标和栅格空间赋予不同的权重;其次,采用3×3邻域模板进行十字交叉4次光栅扫描,在距离变换中按栅格像元传递权重对距离进行分解,完成非匀质空间下面状加权Voronoi图的生成;最后,以山西省11个地级市为研究区,进行了验证。结果表明,改进后的算法实现了非匀质空间面状加权Voronoi图的生成;相比点状加权V图,城市之间权重差异较大,距离较近时,面状加权V图更适合城市影响范围划分。 相似文献
3.
4.
针对现有Voronoi图算法很多将被划分区域理想化为匀质空间,忽略了所依赖的传导方式及空间差异性的问题,该文提出了一种异质空间下加权Voronoi图的栅格生成算法。首先根据目标中心强度确定每个目标的影响权重,根据空间传导能力确定每个栅格的传导权重,然后进行十字交叉光栅扫描,在距离变换中按栅格对距离进行分解,将目标影响权重和栅格传导权重纳入变换公式,最后连通每个栅格到最近目标点的最短路径。该算法兼顾了目标中心强度、几何形状以及空间差异性,实现了异质空间下任意形状目标加权Voronoi图的生成。实验证明,该算法时间复杂度不受目标数量、分布和形状的影响,比普通Voronoi图算法更适合复杂空间下的城市影响范围划分。 相似文献
1