基于Fisher两类判别的高温目标精确识别方法

基于高温目标和绝大多数常温地物波谱特性的显著差异,可利用短波红外波段(1.3-3.0μm)识别高温目标。Landsat8的OLI数据第7波段对高温目标短波红外发射能量有较高的敏感性,可对高温目标(林火、草原火、火山、金属冶炼厂、煤层自燃等)进行有效识别。为实现高温目标的精确识别,对归一化火点指数(NDFI)法进行改进以去除水体干扰,并采用Fisher两类判别法进行高温目标和彩钢屋顶地物的分类。研究表明,改进的NDFI法结合Fisher两类判别法可有效用于高温目标识别,其高温目标识别理论精度为96.9%,实际精度为95.4%。     

基于决策树的移动机器人环境识别方法

利用移动机器人的传感器提取的特征参数，通过属性约简方法构造的决策树形成的分类规则实现室内环境的识别．该方法在环境参数发生变化时，会导致机器人环境识别错误的问题．为此提出了一种利用多个约简构成的分类规则并通过取极值的方法，可避免环境识别错误的问题．     

基于多特征的洞库类目标识别方法

针对洞库类目标自动识别研究较少、识别率较低、识别方法成本较高等问题,设计了基于多种特征的洞库类目标识别算法.探讨了典型洞库类目标的模型并总结其主要特征;其次利用HOG特征对输入图像进行初步筛选,筛选出包含有洞库类目标的图像;然后基于洞库类目标的灰度特征提出了一种图像局部自适应阈值生成算法Wiblack提取图像中的疑似目标;最后搭建了洞库类目标的数学模型,并提出了基于形状相似度的目标判别算法,采用圆形相似度与椭圆形状相似度二次相似度判别方法,最终得出识别结果并描述目标轮廓,完成目标识别.实验结果表明该方法在洞库类目标的识别应用中有效可行,基于本文实验数据的识别准确度为92.6%.     

基于决策树归纳的聚类方法与实现

采用一种改进后的决策树归纳聚类算法和交互式CLTree(Clustering based on decision Trees)剪枝，对商业数据的某些问题实现了聚类挖掘。对交易数据的实际酸类分新表明，该方法不仅可以处理数值型属性，还可以处理枚举型属性。实验结果表明，该方法在处理很合类型数据时具有良好的挖掘效果。对商业数据聚类分新，可以得到合理的市场分段，预测顾客的购买行为。     

基于决策树与质谱分析数据的癌症判别

通过采用模式识别领域常用的决策树与AdaBoost技术来处理医学领域常用的质谱分析数据,研究了弱分类器个数对分类性能的影响,将AdaBoost与SVM进行类比,从大间隔学习的观点出发,解释了AdaBoost的优势。     

基于决策树的关键短语抽取

针对关键短语抽取工作可以转化为某种分类问题，利用决策树构造分类器解决关键短语的抽取。统计分析表明，将文档中词的词频因子、首位置和词性作为决策树分类特征，并考虑词在文档中出现的位置信息，对词的特征值进行一定的调整，采用Bagging重采样技术进一步提高了决策树的抽取性能，使其完全匹配和部分匹配的F_检测率分别达到21．50％和54．49％。     

基于分级轮廓分形特征的舰船目标识别方法

采用一种共线性检查算法去除舰船轮廓这，利用轮廓曲率的分级分形特征建立前视成像木制导过程中舰船目标的分级模型数据库，提出了一种基于分级分形特征的大型舰船目标识别方法，对舰船目标的实验结果表明了该识别方法的有效性和正确性。     

基于决策树的知识表示模型及其应用

针对数据挖掘过程中的数据库精炼问题,在分析现行属性约简方法的特点和不足的基础上,结合决策树算法操作简单、分类速度快的特点,通过知识的规则化描述以及规则族之间的相似性比较,建立了一种基于决策树的属性约简方法（简记为BD-RED）,讨论了规则族之间的相似性度量的可释化构建问题,给出了BD-RED的具体实施策略,并结合实例分析了BD-RED的性能。结果表明,BD-RED具有良好的结构特征和较强的可操作性,可以有效实现不同决策理念下的属性约简,适合不同类型的大规模数据库的属性约简。     

基于改进Faster-RCNN的露天煤矿开采区遥感识别方法

利用卫星遥感技术融合深度学习算法,可以快速、动态、高效识别露天煤矿开采区,以我国和其他煤炭资源大国的典型露天煤矿开采区为研究对象,基于高分二号多光谱遥感影像,制作数据集及标签,构建基于卷积神经网络(convolutional neural networks, CNN)的深度学习目标检测算法.通过加入特征金字塔网络,充分挖掘开采区及背景区的低分辨率语义信息和高分辨率纹理信息,实现快速卷积神经网络的深度学习目标检测算法模型的改进及参数优化.结果表明改进后的模型平均检测精度提高到98.48%,总体识别精度达到96.7%,有效提高了复杂背景下的多尺度、多类型露天开采目标的识别精度,为全球煤炭资源大国能源合作、生态环境保护及我国矿产资源的合理利用和修复提供了科学、精准手段.     

基于SVM的决策树多类分类器及在遥感图像中的应用

利用三种不同的聚类方法——利用类均值的最小距离聚类、利用类均值的最大距离聚类和利用最大间隔准则聚类,提出了三个基于SVM的决策树多类分类器.为了检验所提算法的有效性和先进性,对AVIRIS遥感图像进行了实验.实验结果表明,本文所提的三种算法明显好于最小距离分类法、线性判别分类法、决策树分类法、OAR-SVM和OAO-SVM.     

SAM和决策树结合的Hyperion数据分类方法

在地面实测波谱分析的基础上，采用决策树对波谱角（SAM）分类方法进行改进，自动地进行波谱角阂值选择，提出一种新的基于SAM和决策树相结合的综合分类模型。该模型用于云南鹤庆地区土地覆被信息提取，并与最大似然分类法（MIC）的分类结果进行比较。结果表明，就每一类型而言，SAM结合决策树分类的分类精度较高；最大似然法监督分类总体精度为79．4％，SAM结合决策树分类的综合分类模型总体精度为88．5％，比监督分类精度高9．9％。     

基于最佳阈值分割的舰船目标检测方法

提出了一种基于最佳阈值分割的舰船目标检测方法,该方法通过构造分割阈值集合,并搜索特征约束条件下的最佳分割阈值进行目标分割,从而实现目标与背景区域的成功分离.使用该方法对不同卫星来源、不同分辨率的24 523幅光学遥感图像和516幅SAR图像进行了实验,对于1 155个目标图像的检测率高于95.0%,同时虚警率保持在较低水平,表明该方法对于遥感图像中的海上舰船目标检测效果较好、适应性强.     

基于决策树分类的桂林市岩溶地区水体遥感空间信息提取

利用landsat-7 ETM+数据,应用改进的归一化差异水体指数(MNDWI)方法提取桂林市及其周边地区水体信息的时候,发现多处喀斯特地貌山体阴影被误判成水体,显然利用单一的MNDWI无法去除这一干扰因素.考虑到水体表面的坡度比较平缓,于是结合坡度信息进行决策树分类,消除了喀斯特地貌山坡阴影产生的干扰,从而准确的提取了桂林市喀斯特地貌地区的水体信息.     

基于决策树的神经网络规则抽取方法

将从神经网络中抽取一个可理解的模型视为一个归纳学习任务 ,其中 ,目标概念就是神经网络表达的功能 ,所生成的可理解模型是一个能很好近似神经网络的决策树 .在这个过程中 ,应用了决策树归纳学习的优化原则 ,使得生成的决策树能最简洁、准确地描述神经网络学到的知识 .实验证明 ,生成的决策树可以很好地近似神经网络 ,且比用传统方法生成的决策树具有更好的分类精度 ,同时NNtoDT算法也保持了具有较好的通用性和可扩充性的特性 .     

目标威胁估计的决策树方法

讨论了目标威胁估计问题。通过分析目标属性与威胁的关系,建立了评估目标威胁的目标属性列表。根据军事背景知识把目标属性值转换为离散化的威胁效用值,结合战术目标威胁估计的经验值,提出了一个基于决策树的目标威胁估计新方法,实例证明了该方法的有效性。     

GIS支持下的山区遥感影像决策树分类研究

以福建省顺昌县为研究区,首先利用光谱、纹理等信息对森林进行初分类;在此基础上,分析各森林类型在不同地形条件下的混淆情况,借助GIS手段,建立再分类规则,实现森林分类精度的提高。从分类总精度看,再分类结果较初分类结果高出9.11%,而Kappa系数则高出0.134 8,说明GIS支持下的决策树分类可较大幅度地提高南方山地丘陵区域的森林分类精度,具有良好的应用前景。     

一种基于关联性度量的决策树分类方法

在介绍了一些典型的决策树分类算法的基础上,论述了所开发的面向先进制造企业的综合数据挖掘系统ScopeMiner中的决策树分类算法,该算法集中了ID3、C45和MedGen等典型算法的思想,并进行了改进·在建立决策树过程中采用关联性度量的计算来确定划分条件属性的顺序,通过阈值设定和处理简化了决策树的剪枝和优化过程,准确性高,分类速度快·系统已在某大型企业质量控制中得到了应用,取得了一定的经济和社会效益·文章详述了算法的执行过程、应用于冶金企业中的实例以及正确性证明和时间复杂性分析·     

基于决策树和改进SVM混合模型的语音情感识别

为有效提高语音情感识别的准确性,达到人机和谐交互的目的,本文提出了一种基于决策树和改进SVM混合模型的语音情感识别方法,有效地避免了无界泛化误差、分类器数目多、受限优化等问题,提高了悲伤、喜悦、愤怒、厌恶、惊讶、恐惧6种基本情感识别效率。实验结果表明,该方法识别准确率为87.58%,与传统的支持向量机和人工神经网络方法相比,有更高的抗噪声能力和稳定性,能得到更高的识别准确率,而且有较强的实用性和推广能力。