土地评价中关联规则与C4.5规则的应用比较

关联规则和C4.5规则能提高土地评价知识表达的可解释性和土地评价的有效性,克服传统土地评价方法中人为因素多的缺点。为对比关联规则和C4.5规则在应用中的差异,文章基于广东省土地评价数据库,在相同实验条件下进行了关联规则和C4.5规则的挖掘,并结合模糊判决算法分别建立了基于这2种分类规则的模糊分类器进行测试。结果表明,2种算法各有优点。其中关联规则具有更高的准确率,但其计算过程复杂,耗费时间长;C4.5规则准确率略低,但其计算成本低、速度快。     

土地评价中关联规则与C4.5规则的应用比较

关联规则和C4.5规则能提高土地评价知识表达的可解释性和土地评价的有效性,克服传统土地评价方法中人为因素多的缺点。为对比关联规则和C4.5规则在应用中的差异,文章基于广东省土地评价数据库,在相同实验条件下进行了关联规则和C4.5规则的挖掘,并结合模糊判决算法分别建立了基于这2种分类规则的模糊分类器进行测试。结果表明,2种算法各有优缺点。其中关联规则具有更好的可支持排序标准、更客观的冗余规则去除算法以及更高的准确率;但其对数据属性要求比较高,挖掘速度也远不如C4.5规则;C4.5规则准确率略低,但其计算成本低、速度快。     

聚类、粗糙集与决策树的组合算法在地力评价中的应用

 【目的】地力评价方法大多数有一定的主观性,较少考虑土壤各属性间的依赖关系。论文旨在采用数据挖掘方法,寻求地力等级划分的新方法。【方法】结合农安县耕地调查数据,应用K-means聚类方法、Johnson粗糙集属性约简算法与C4.5决策树算法相结合的优化算法评价地力等级。【结果】使用K-means聚类方法,得到最佳学习样本数;使用粗糙集属性约简和决策树相结合的方法,去掉了冗余属性7个,决策树模型共有节点317个,其中叶节点个数为159个,生成规则159条,模型准确率为82.08%。与未聚类和未约简的方法相比,决策树结点个数减少41.62%。【结论】使用该组合算法,在保证模型准确率的同时,降低了算法的时间和空间复杂性,提高了挖掘效率。     

叶片传统特征和距离矩阵与角点矩阵相结合的树种识别算法

针对基于叶片特征进行树种识别的问题,本文在结合叶片纹理、不变矩以及传统形状共25维传统特征的基础上,自定义了叶尖角、边角均值等2个叶片轮廓特征,并以相似多边形定义及其推论作为理论依据,提出了一种基于叶片轮廓构建距离矩阵与角点矩阵进行树种识别的分类方法。该方法首先对树木叶片图像进行预处理,提取出归一化的叶片特征向量,然后利用KNN最近邻分类器筛选出相似度最高的前20个结果集(Top 20),然后构建距离矩阵和角点矩阵进行更为精确的识别匹配。在图像预处理阶段,为获取更为准确的叶片轮廓特征,利用叶片在HSV颜色空间中饱和度特征以及色度特征方面的显著差异性,设计了一种消除叶片阴影的图像预处理算法。在识别匹配阶段,利用Douglas Peucker approximation算法提取叶片轮廓的近似多边形,定义了距离矩阵、角点矩阵、矩阵中元素间相似度、矩阵相似度以及综合相似度计算方法,设计了全局匹配与局部匹配相结合的算法。该算法在Android系统的手机平台上进行了实现和运行验证,结果表明:在Flavia数据集中,对32种共1 907个正常叶片样本的识别准确率为99.61%,对32种共851个残叶样本的准确率为94.92%;在Leafsnap数据集中,对185种共23 147个Lab样本前5个结果集(Top 5)的识别准确率为98.26%。相对其他算法,该算法识别准确率更高,对叶片外形描述能力更强,对残叶、扭曲叶、阴影叶具有更好的鲁棒性,算法的实用性和适应性更强。      

多种分类器在农用地分等中的应用及其用法改良

以广东省第二次土壤普查成果资料为主要数据源,选取贝叶斯决策、BP神经网络、概率神经网络、聚类等分类方法分别对数据源进行分类;并且,笔者为了充分利用有监督学习分类准确率高和无监督学习无需标定的学习样本的优点,提出了基于监督--非监督的聚类算法,然后对上述五种方法的评价结果作了比较分析;实验表明文章提出的基于监督--非监督聚类方法只利用少量的有标定学习样本,即可得到较高的分类准确率,特别在少量样本时,该方法能得到比贝叶斯决策方法、BP神经网络和概率神经网络等监督学习方法更好的土地评价结果;在实际应用中,可以尝试结合监督和非监督学习的方法,实现分类正确率和获取大量有类标签的样本之间的折中。     

基于混合策略的财务危机预警模型构建

针对财务危机预警研究中样本集的不平衡现象,提出了一种基于混合策略的模型构建方法。基本思想是结合数据层面的预处理和算法层面的集成学习,为财务危机预警提供有效的建模方案。首先使用SMOTE算法对财务危机公司重采样,有效避免了传统财务危机预警研究中样本配对挑选造成的信息严重丢失;再使用Bagging-C4.5算法对样本数据训练,在保证模型总预测率的基础上,大幅提高了财务危机样本的预测准确率。实验结果表明:该方法预测效果良好,在此领域有一定的实践意义。     

基于熵权法加权的模糊C均值聚类算法研究

针对模糊C均值聚类算法不能区分数据各属性之间的不平衡性,提出了一种基于熵权法加权的模糊C均值聚类算法。该算法首先应用熵权法计算各属性的权重系数,然后对标准化之后的原始数据进行加权,最后应用模糊C均值聚类算法对加权之后的数据进行聚类。实验表明,该算法聚类准确率要明显高于未加权的模糊C均值聚类算法。     

基于改进模糊聚类的烟草品质集成评价模型

针对烟草化学成分与烟草品质之间难以建立确定的数学模型的问题,提出了一种基于改进模糊聚类的烟草品质评价方法。该方法以烟叶样品的化学成分的差异性为依据,以模型分类结果与专家评吸结果的一致性为目标,利用模拟退火算法对现有的模糊聚类算法进行优化改进,建立基分类器;在此基础上,利用Ada Boost将基分类器对于不同样本集的多个分类结果进行集成,形成最终的烟草品质评价模型。以130组烟叶作为烟草样本,测定了各烟叶样品中总糖、还原糖、总氮、烟碱、氧化钾、氯离子、蛋白质7种化学成分含量,并采用改进的模糊聚类方法与神经网络算法、模糊聚类算法进行对比试验,该方法的误检率为6.7%,具有提升小样本数据的辨识能力,优于所比较的其他2种方法。     

基于关联规则与多元线性回归的云南省甘蔗产量预测模型

【目的】构建云南省甘蔗产量预测模型,对云南省甘蔗主产区甘蔗产量进行预测。【方法】选取云南省 5 个甘蔗主产区的甘蔗种植数据和地区气象数据作为研究对象,使用关联规则算法对研究区水库数、氮肥用量、磷肥用量、钾肥用量、复合肥用量、地膜使用量、甘蔗种植面积、年均气温、年降水量 9 个影响因素进行分析,得出 5 个甘蔗产量的强关联因素作为样本特征,将样本特征代入多元线性回归算法,构建产量预测模型。【结果】根据测试集验证结果显示,使用多元线性回归算法构建甘蔗产量预测模型,普洱、临沧、红河、文山、德宏地区模型的准确率分别为 81.1%、89.3%、67.8%、85.3%、73.7%;使用关联规则算法与多元线性回归算法构建甘蔗产量预测模型,普洱、临沧、红河、文山、德宏地区模型的准确率分别为 95.4%、92.8%、97.9%、94%、91.4%,关联规则算法对模型准确率的提升分别为 14.3%、3.5%、30.1%、8.7%、17.7%。【结论】关联规则算法可提升多元线性回归产量预测模型的准确率,该模型在云南省的 5 个甘蔗主产区均表现出较好的预测效果,为甘蔗产量预测提供了新的方法。     

基于音频技术的白羽肉鸡咳嗽识别算法研究

[目的]咳嗽是肉鸡呼吸道发病初期的主要症状,为实现肉鸡呼吸道疾病非接触式监测,本研究提出一种肉鸡咳嗽声识别算法。[方法]利用网络拾音器采集白羽肉鸡咳嗽及其他声音数据,选用最小均方误差(MMSE)谱减法对其进行滤波去噪;经预处理后人工截取肉鸡咳嗽样本与噪声样本;提取样本基于小波变换的梅尔频率倒谱系数(WMFCC)特征,构建高斯混合模型-隐马尔科夫模型(GMM-HMM)识别算法,训练并调整优化咳嗽识别模型。[结果]试验表明,在隐状态数为3,高斯元个数为3时,该模型在测试集上达到最优识别效果,正确率为98.7%。将算法识别结果与人工分类结果比较,肉鸡咳嗽识别算法的平均准确率为95%。[结论]本文提出的肉鸡咳嗽算法模型能较好地检测肉鸡咳嗽,为肉鸡呼吸道疾病的早期自动预警提供技术支持。     

基于聚类的决策树在玉米种质筛选中的应用

[目的]建立一种改进的基于聚类的模糊决策树,并研究其在玉米种质筛选中的应用。[方法]采用一种新型的基于聚类的决策树算法,该算法针对传统的决策树算法不能处理无类别样本的这一不足,进行了改进。同时,将改进算法应用在玉米品种的筛选问题中,通过对叶面积、株高、干重、钾利用率等指标的衡量,筛选出耐低钾性较强的玉米种子。[结果]该算法在玉米种质的筛选上,适用性强且性能较优。[结论]在今后工作中还需进一步验证比较改进的基于聚类的模糊决策树与传统的模糊聚类决策树的性能,并将其应用在更多的实际问题中。     

DTOPSIS法和灰色局势决策在卷烟质量综合评价中的应用

[目的]应用DTOPSIS法和灰色局势决策法对卷烟质量进行综合评价.[方法]运用DTOPSIS法和灰色局势决策方法,对市场上20个不同牌号的卷烟质量进行综合评价,同时还对DTOPSIS法和灰色局势决策在卷烟质量综合评价中的优缺点进行探讨.[结果]试验表明,在注重指标权重的情况下,此2种方法综合评价结果基本相同,I、B、J、C等卷烟的质量综合评价结果优于其他卷烟质量,而Q、H、O、N等卷烟的质量综合评价结果较差,该分析结果与各卷烟在市场上的质量评价基本一致.[结论]研究可为卷烟质量的综合评价提供较为客观的分析方法.     

基于Fisher判别分析算法的县域耕地地力等级预测——以河南省辉县市为例

[目的]借用机器学习算法——判别分析算法来简化耕地地力评价工作,探索区域尺度上机器学习方法在地力评价应用的新途径。[方法]基于辉县市测土配方施肥财政补贴项目耕地地力评价工作获取的基础数据,依据我国农业部标准《耕地地力调查与质量评价技术规程》(NY/T 1634—2008)和该市耕地地力评价实践经验,选取研究区表层土壤质地、土壤剖面特征、地表砾石度、速效钾、有效磷、有机质含量、灌溉保证率、排涝能力、地貌类型、坡度等10个土壤和立地条件因素作为耕地地力水平的判别变量,构建Fisher典则判别函数模型,对5 922个评价单元的耕地地力状况进行判断分析和归类分级。[结果]经对判别结果进行统计验证和回代验证,显示预测判别正确率高达91.4%。[结论]在耕地地力评价与分级标准确定的前提下,判别分析算法在区域尺度上对分析耕地地力状况、预测耕地地力等级方面具有独特优势。     

综合效益评价视角下土地整理项目方案择优研究——以江苏省丹阳市吕城镇为例

[目的]拟在对多种规划方案进行综合效益评价分析基础上,选择最优规划方案。[方法]采用层次分析法（AHP）和模糊综合评判方法,对土地整理项目拟产生的经济、社会和生态综合效益进行评价,以此确定项目的规划方案。[结果]新增耕地数量、耕地质量提高程度等指标是影响综合效益的主要因素,也是规划方案确定所需考虑的首要因素。[结论]采用层次分析法和模糊综合评判方法进行土地整理项目规划方案择优具有较好的实用性。     

基于聚类的决策树在玉米种质筛选中的应用(英文)

[目的]建立一种改进的基于聚类的模糊决策树,并研究其在玉米种质筛选中的应用。[方法]采用一种新型的基于聚类的决策树算法,该算法针对传统的决策树算法不能处理无类别样本的这一不足,进行了改进。同时,将改进算法应用在玉米品种的筛选问题中,通过对叶面积、株高、干重、钾利用率等指标的衡量,筛选出耐低钾性较强的玉米种子。[结果]该算法在玉米种质的筛选上,适用性强且性能较优。[结论]在今后工作中还需进一步验证比较改进的基于聚类的模糊决策树与传统的模糊聚类决策树的性能,并将其应用在更多的实际问题中。     

结合地理信息的洞庭湖湿地分类方法研究

湿地遥感影像分类是遥感研究的一大难题。利用洞庭湖TM数据,并辅助地面GIS信息,通过专家分类知识库建立决策树分类方法,结合研究区的DEM进行洞庭湖湿地的影像分类,通过决策树层次实现了包括水体、泥沙滩地、防护林滩地、湖草、芦苇滩地和苔草滩地以及其他水体7种湿地类型的分类。其中,决策树分类总体精度80.29%,总体Kappa系数为0.883 9,分类精度相对于传统手段要高,证明基于该方法得到的数据准确度能够满足实际工作的需要;另外,基于知识分类的影像分类结果能够较好地解决一些错分的现象,针对湿地而言,混分现象最严重的泥滩地,在传统分类中大量地被分为了建筑用地或者裸地,同时草滩地与林地的混分在基于知识分类的影像中边界也较明显。相比传统分类方法,决策树分类以规则为基础,可以同时利用多个条件进行分类,减少了数据处理时间,同时还提高了分类精度,最终得到试验区较为可靠的遥感分类图像。     

不同土地利用类型的地表亮温变化特征

[目的]研究不同土地利用类型的地表亮温变化规律。[方法]基于2008年的MODIS数据,以长三角为研究区,结合IGBP土地分类体系,计算地表亮温,总结规律,并对原因进行探讨。[结果]不同土地利用类型有其独特的亮温变化。白天亮温大小为草地、建筑用地〉农田、林地和荒地〉湿地和水体;夜间亮温大小为水体、湿地、荒地〉建筑用地、草地〉林地、农田。亮温全年呈现冬低夏高、春增秋减的趋势。夜间亮温更能反映地表热辐射特点。太阳辐射、混合像元、比热容、含水量等是导致不同地类亮温差异的主要原因。[结论]不同土地利用类型的亮温变化特点对于土壤含水量分析、土地利用动态监测等具有重要意义。