30年来图们江跨国界地区土地利用/覆盖动态变化研究

以图们江跨国界地区为研究范围,采用1976年、1991年、2000年和2010年4期遥感影像,应用分类决策树法(Classification and Regression Tree,CART)进行土地利用/覆盖分类,进而利用单一土地利用动态度、综合土地利用动态度、土地利用相对变化率、土地利用相对变化度等方法对4期土地覆盖分类结果图进行了动态变化分析.结果表明,研究区内林地和草地为主要的土地覆盖类型,其次为耕地.其中,混交林在林地中占有相当大的比重,旱地在耕地中占有较大比重.1976-2010年,图们江地区土地利用/覆盖各类型面积变化幅度巨大,其中面积增加最多的是旱地,其次为建设用地,针叶林减少面积最多.单一土地利用动态度表明,针叶林面积在逐渐减少,建设用地一直在增加.中朝俄3国土地利用差异很大,且朝鲜一侧的土地利用变化剧烈程度大于中国和俄罗斯,俄罗斯一侧的土地利用变化程度最小.     

基于Landsat-8监督分类与非监督分类的土地利用分类方法比较

本文以遥感监督分类和非监督分类原理为研究基础,采用2018年Landsat-8遥感影像作为基本数据源,利用监督分类和非监督分类中的最大似然和ISODATA分类法对宿州市埇桥区遥感影像进行处理,最后对分类的结果进行精度评价。通过分析可知,监督分类的分类效果更好,非监督分类虽然精度较低,但其不需要先验知识,所以分类速度更快。因此,在分类时,要根据实际情况来选择合适的分类方法。     

基于决策树的文本分类研究

本文对决策树数据挖掘方法进行分析和比较,并应用该分类方法对网页文本进行分类,仿真实验结果证明决策树算法在文本分类研究领域有着广阔的应用前景．     

基于贝叶斯决策树的医学图像分类方法研究

随着PACS系统在我国各医院的普及,PACS数据库中存储了大量的医学图像信息,如何把这些图像进行分类来提供相似病例图片,从而为临床诊断提供辅助帮助已成为研究热点.关于医学图像的分类,已有很多学者从不同方面用不同方法进行了研究.本文使用贝叶斯决策树的方法对PACS数据库进行教据挖掘,实现医学图片的分类.贝叶斯决策树不仅能够提高分类的准确率,而且能够处理不一致,不完整数据等"脏数据",本文充分发挥了贝叶斯方法和决策树方法的优点,通过对肺癌图片进行良性、恶性分类,证明了本方法的有效性.     

不同融合算法对ETM＋遥感影像分类精度的影响分析

以福州市南台岛的ETM＋遥感影像为基础数据,利用ERDAS Imagine8.7、ENV14.0等遥感影像处理软件,运用主成分法（PCA）、乘积法（MLT）、Brovey变换和HIS变换融合算法对ETM＋遥感影像全色波段（第8波段）与多光谱波段（第1-5、7波段）进行融合试验;从融合影像的光谱保真度、高频空间信息融入度等角度对融合后的影像进行比较分析;对各种融合后影像进行非监督分类,并评价各种分类结果进行精度,为用户进行影像分类前选择融合方法提供参考。     

灰度和纹理特征组合的SAR影像SVM分类

针对利用单一特征进行分类的效果不理想、普适性不强等问题,提出了一种灰度和不同纹理特征组合的支持向量机(support vector machine, SVM) 分类方法,将由不同特征组合的SVM分类器用于SAR影像分类,并对几种不同的分类结果进行定性和定量比较分析. 实验结果表明,灰度和不同纹理特征组合的SVM分类方法能够取得较高的分类精度,其结果要优于传统的单一纹理特征分类,是一种有效的SAR影像分类方法.     

ID3算法在构件库中的应用

随着人们对数据挖掘理论知识的不断研究和探讨,数据挖掘技术和应用领域日趋成熟和广泛。在数据挖掘技术中,决策树方法是用于分类和预测的重要方法之一。本文对决策树构造方法中最为常用的ID3算法进行分析和研究,并将ID3算法在构件库中进行应用,证明了决策树分类方法在构件库领域中的应用前景。     

MLC型NAND闪存中基于MI异构的Polar码优化

为了进一步提高多级单元（multi-level-cell,MLC）闪存的耐久度和可靠性，提出了一种MLC闪存信道中基于互信息量（mutual information,MI）异构的polar码优化方法.该方法利用对数似然比（log-likelihood ratio,LLR）分布在MLC闪存信道和AWGN（additivewhite Gaussian noise）信道中的差异性，以MI重新拟合LLR分布，得到在闪存信道下等效的标准方差，从而进行高密度存储系统中的polar码优化设计.随后，分析了不同的polar码构造法对多级存储单元的纠错性能影响，并与所提的构造方法进行比较.仿真结果表明该文优化方法优于AWGN信道下传统的构造方法，当编程/擦除（program-and-erase,PE）循环为21 000次时，与蒙特卡罗法相比其误码率（bit error rate,BER）性能提升2个数量级，且在BER为2 × 10-5时可增加6 800次的编程/擦除循环.     

人工智能技术在遥感分类中的应用综述

目前遥感数据广泛应用于地表信息的提取,因复杂性、不确定性,分类方法不一。文中介绍了决策树、神经网络和支持向量机方法等人工智能分类法的算法,分析了探讨了其在遥感分类中的优势与局限,并从提高遥感分类精度的角度进行了总结与展望。     

运用C4.5算法优化入侵检测系统的研究

研究了以决策树结构取代原有入侵检测系统采用的链表结构,在于改进入侵规则的存储和模式匹配,提高检测速度.用C4.5算法为决策树每个规则集节点动态选择最显著的特征,进行并行测试,实现性能优化.为了减少冗余比较和无效匹配,运用了一种基于C4.5决策树裁剪算法,以规则信息量作为判断标准.研究结果表明,此方法可以提高最终模型的预测精度,并能克服噪音数据,有效地提高了模式匹配速度和规则的访问速度.     

基于一种混合算法的分类规则挖掘

在分析决策树算法及遗传算法的基础上,提出了一种将两种算法结合起来挖掘分类规则的新方法.实验证明,它不仅解决了数据挖掘中的“碎片”问题,同时还提高了分类的准确率.     

决策树分类ID3算法研究

分类是数据挖掘的重要内容之一,在许多领域得到广泛应用,现已有多种分类方法,其中决策树分类法在海量数据环境中应用最为广泛,本文分析了决策树分类ID3算法的原理,给出构造决策树的基本算法,指出ID3算法构造决策树的优缺点,针对ID3算法倾向于取值较多的测试属性的缺点,引入一个参数来约束属性选择,给出一种优化算法．     

基于代价有限的值覆盖决策树

在测试代价敏感决策系统中,测试代价敏感属性约简方法是一种寻找测试代价尽量小的属性集的有效方法．但是,约简后决策系统只保留了简洁完整的信息,其所构造的分类器精度会有所降低．假设我们拥有有限但多于最小测试代价的资源,那么我们可以充分利用这些资源来获得更高质量的分类器．本文针对这种情况做了以下两个工作：1）我们在最小测试代价约筒的基础上添加好属性,寻找一个更好的属性集．2）提出了一种改进的决策树算法,提高分类器质量．该算法选择一些当前最好的属性值来构建结点,这些属性值能够覆盖当前相应的训练集．实验表明：1）改进的决策树算法能够获得比ID3更高的分类准确度;2）与最小测试代价约简的分类器相比,在最小测试代价约筒的基础上添加一些的好属性,可以获得更高质量的分类器;3）该方法在减少测试代价开销的同时,保证了分类器的质量．     

基于DBT分类算法的银行贷款风险评估

银行贷款风险评估一直是金融界高度关注的主要问题,现有方法主要包括K-means聚类、BP神经网络、简单决策树、VAR方法等多种风险评估算法。但对于客户属性值缺失的案例,上述方法就很难达到良好的效果。为了解决属性值缺失的风险评估问题。提出了一种基于贝叶斯决策树算法的贷款风险评估算法（DBT ）,实验结果证明了该算法的有效性。     

基于粗集的ID3算法研究

决策树是数据挖掘任务中分类的常用方法,ID3算法是经典的决策树生成算法,它的核心是通过计算各个属性的信息熵来确定最好的分枝结点.给出一种用粗集的方法计算信息熵,应用ID3算法来生成决策树.     

基于高斯相似度分析的最大后验非线性变换HMM自适应算法

由于训练环境和识别环境的失配,识别系统的性能会严重下降,为此提出了基于高斯相似度分析的最大后验概率非线性变换的环境自适应算法,它可以减小由于环境的失配所引起的系统性能的下降.在该算法中,首先将HMM模型中的高斯分量进行相似度分析并建立二叉树,然后根据数据自适应调整变换类数,在每一类内利用分段线性回归近似非线性变换将训练环境下的HMM变换到识别环境,减小环境的失配,变换参数的估计采用了最大后验概率估计(MAP).数字语音识别实验证明:该环境自适应算法的识别性能优于带有高斯相似度分析的MLST、MAPLR和MLLR等算法.     

创建决策树算法的比较研究——ID3,C4.5,C5.0算法的比较

采用多种决策树算法,针对常用的决策树算法在特定样本下的性能进行了分析,提出了选择信息增益率最大的属性作为决策属性算法性能的评价方法.     

决策树在风险决策中的应用

阐述了风险决策中的决策树问题,举例分析了决策树如何为决策者提供最优方案.     

应用决策树C4.5算法在电视用户收视行为之研究

采用数据挖掘技术中的决策树方法,进行收视数据分析.收集大量的调查问卷作为待挖掘的样本,利用决策树经典算法C4.5,对样本集中的样本进行 学习,构造出一棵决策树.对决策树进行分析,得出电视收视分析相关的知识和规律,作为节目编制等的决策依据.