基于面向对象决策树算法的半干旱地区遥感影像分类

半干旱丘陵地区地形复杂,地表覆盖物分布复杂多变,这极易导致"同物异谱,异物同谱"现象的产生,给遥感影像分类工作带来极大的不确定性。本文构建了基于多特征的面向对象决策树分类方法,充分利用光谱特征、地形特征、物候特征及像元间的相关性综合提取地物信息。研究结果表明,该基于面向对象决策树遥感分类方法在半干旱地区能够有效提高分类精度,总的分类精度达86.9426%,能够满足非点源污染模拟研究的需要。     

基于多特征融合的FCM面向对象变化检测

光谱特征和纹理特征的差异是遥感影像进行变化检测重要依据,多特征的融合能够一定程度弥补单一特征的不足.模糊C聚类(FCM)能够根据多个特征进行聚类,通常在FCM聚类中各个特征都是等权的,这样并不能体现各个特征的权重差异.论文尝试改进FCM算法进行多特征融合变化检测,首先利用分割后影像的光谱特征、纹理特征分别进行变化检测,然后将不同的特征检测结果进行直接加权和FCM加权,结果表明论文方法比传统的单一特征和多特征融合方法变化检测有一定的优势.     

基于决策树的干旱区湿地信息自动提取——以疏勒河流域为例

以疏勒河流域为研究区,探讨了干旱区湿地的遥感影像自动提取方法。以Landsat 8卫星影像数据为主要数据源并辅以数字高程模型(DEM),利用改进的干旱区湿地指数(MAZWI)、归一化植被指数(NDVI)、地表反照率(Albedo)、灰度共生矩阵(GLCM)的非相似性分量等识别指数构建决策树模型,对研究区湿地进行提取,并将结果与最大似然分类结果进行对比。结果表明:该方法在一定程度上提高了湿地提取的精度,与最大似然分类结果相比总体精度和Kappa系数分别提高了6.52%和0.124。证明决策树法是干旱区水域湿地自动提取的一种有效手段。     

基于度量的决策树

决策树是一种采用分治策略的聚类分析方法，构建决策树的关键是选择合适的属性。传统的决策树通常从最大化信息熵的角度来构造，不能对属性的分类能力进行足够好的区分。对传统的决策树生成算法的不足，本文提出了一种基于马氏距离的决策树生成算法。算法使用马氏距离来区分不同特征属性子集的分类能力。试验结果表明，基于度量的决策树的性能优于传统的决策树。     

一种面向对象结合变差函数的高分辨率遥感影像茶种植区自动提取方法

针对传统的茶区提取主要依靠人工野外勘测方法,需要耗费大量的人力物力,时效性差,精度低,不能及时有效地获取茶区空间分布信息,同时茶区在光谱特征上与林地、梯田等具有极强的相似性,茶种植区的遥感识别工作难度高等问题,提出了一种面向对象结合变差函数的茶种植区自动提取方法.为了解与动态监测茶的种植情况,选取位于贵州省铜仁市的4块...     

面向对象的土地利用变化检测方法研究

利用分类后比较法进行土地利用变化检测时,常用的自动分类方法只能利用遥感数据的光谱信息,分类精度较低,本文在此基础上将面向对象的分类方法引入到变化检测中。该方法综合利用遥感数据光谱信息、纹理特征、拓扑关系和专题信息,在进行多尺度分割获取对象后的基础上,通过对对象的目视识别选择样本来进行分类。利用面向对象的方法成功检测出了所选取的试验区十年间的土地利用变化信息,得到了较为满意的结果,为土地资源可持续利用提供了依据。     

基于遥感变化检测的石漠化信息自动提取

滇黔桂地区被划定为限制开发区后,石漠化的研究变得越来越热,而信息提取是这些研究的重要内容。当前石漠化信息提取主要依据静态指标进行,鉴于静态方法的不足,在动态机理剖析的基础上,综合考虑石漠化的静态景观及其动态属性,以贵州和云南交界区域为实验区,1992年和2001年两个时相的TM/ETM+影像为数据源,研究遥感变化检测方法在石漠化信息自动提取中的应用。在几何校正和辐射校正的基础上对两个时相的影像实施差值变化检测,将实验区分为变化区和无变化区两类,根据石漠化机理进一步将变化区分为石漠化区和逆石漠化区,完成石漠化信息识别,经验证Kappa系数为0.854。结果表明:遥感变化检测方法对石漠化有较好的识别效率和精度,能够为石漠化的综合防治提供科学依据。     

基于决策树和马尔可夫链的问答对自动提取

问答系统能用准确、简洁的答案回答用户用自然语言提出的问题,很明显系统中问答对的规模是影响问答系统最终性能的主要因素。为了提高问答对的规模、充分利用互联网资源,本文提出了一种基于决策树和马尔科夫链的在互联网上自动抽取问答对的算法。先根据网页中的HTML标记把网页表示成一棵DOM树;然后利用树中每个节点的结构和文字信息,抽取相应的特征;最后将得到的节点特征通过由决策树和一阶马尔可夫链结合得出的分类模型进行分类。试验结果表明准确率达到了90.398%,召回率达到了86.032%。对大量网页抽取的结果表明该分类模型能够适应对各种各样的网页的抽取。     

基于决策树规则的面向对象遥感影像分类

高分辨率影像包含了丰富的空间信息,这使得基于像素的传统分类方法的分类精度受到局限.基于此,本文对面向对象的分类方法进行了探讨.首先,利用图像的光谱和形状因子对图像进行合理的分割.然后,建立决策树分类判别知识库,将对象归属到某一类上并进行分类.结果显示,面向对象方法的分类精度较传统分类方法有了很大程度的提高,这为通过建立决策树知识库对地物光谱混杂的城区分类提供了一种有益的尝试.     

基于决策树C4.5算法的面向对象分类方法研究

提出了基于决策树C4.5算法的面向对象分类方法.首先利用多尺度分割方法对遥感影像进行分割;然后提取对象的特征信息,包括光谱特征、纹理特征、形状特征、图层特征等,对提取的众多的对象特征,利用决策树C4.5算法对其进行知识挖掘,自动建立分类规则;最后利用建立的分类规则,将C4.5算法作为一种分类器对分割后的遥感影像进行分类,并以南充市城市土地利用为例进行了分类实验.实验验证了该方法的可行性.实验结果表明利用决策树C4.5算法建立的分类规则准确率高,利用该分类规则进行的面向对象分类效果较好.     

基于决策熵的决策树规则提取方法

在决策表中,决策规则的可信度和对象覆盖度是衡量决策能力的重要指标。以知识粗糙熵为基础,提出决策熵的概念,并定义其属性重要性;然后以条件属性子集的决策熵来度量其对决策分类的重要性,自顶向下递归构造决策树;最后遍历决策树,简化所获得的决策规则。该方法的优点在于构造决策树及提取规则前不进行属性约简,计算直观,时间复杂度较低。实例分析的结果表明,该方法能获得更为简化有效的决策规则。     

基于决策熵的决策树规则提取方法

在决策表中,决策规则的可信度和对象覆盖度是衡量决策能力的重要指标。以知识粗糙熵为基础,提出决策熵的概念,并定义其属性重要性;然后以条件属性子集的决策熵来度量其对决策分类的重要性,自顶向下递归构造决策树;最后遍历决策树,简化所获得的决策规则。该方法的优点在于构造决策树及提取规则前不进行属性约简,计算直观,时间复杂度较低。实例分析的结果表明,该方法能获得更为简化有效的决策规则。     

基于新结构决策树的建设用地信息提取

采用决策树和混合像元分解模型进行建设用地信息提取.决策树采用双层结构:上层强调光谱知识和纹理信息的应用,下层注重知识的应用.决策树的知识主要根据研究区的土地利用类型的空间分布特征以及KT变换的绿度湿度分量,并由此产生决策树分类规则.本文运用TM影像在南京地区进行试验,结果表明基于知识的决策树分类提取的建设用地分类正确率提高了近10%,达到91.7%.     

一种用于网络取证分析的模糊决策树推理方法

网络取证是对现有网络安全体系的必要扩展,已日益成为研究的重点.但目前在进行网络取证时仍存在很多挑战:如网络产生的海量数据;从已收集数据中提取的证据的可理解性;证据分析方法的有效性等.针对上述问题,利用模糊决策树技术强大的学习能力及其分析结果的易理解性,开发了一种基于模糊决策树的网络取证分析系统,以协助网络取证人员在网络环境下对计算机犯罪事件进行取证分析.给出了该方法的实验结果以及与现有方法的对照分析结果.实验结果表明,该系统可以对大多数网络事件进行识别(平均正确分类率为91.16%),能为网络取证人员提供可理解的信息,协助取证人员进行快速高效的证据分析.     

基于决策规则的变化检测及图件更新一体化方法研究

提出了一种基于决策树规则的变化检测及图件更新一体化方法。在拥有新期遥感数据和基期土地利用现状图的基础上,结合DEM和坡度图等辅助资料,充分挖掘数据的光谱信息、地形特征、地物纹理、几何形状等地学知识,构建各类别知识库,采用知识发现和决策规则,实现各地类的分层提取。各地类提取影像与原土地利用图运算,检测变化信息并确定变化类型,从而完成土地利用现状图的更新。文章最后通过试验验证了该方法的有效性。     

基于决策树的网络流量异常分析与检测

针对现有网络流量异常检测方法准确率较低的问题,提出基于决策树的网络流量异常分析与检测方法。研究网络流量结构特征及流量异常的交叉熵表示方法。采用C4.5算法建立决策树模型,将具有连续性的属性值离散化,根据最大信息增益比逐层选取分类属性,依此规则对流量数据进行分类。实验结果表明,当该方法的检测准确率达90%以上时,误报率可控制在5%以内,与同类方法相比能更准确地发现网络流量异常并进行分类。     

基于决策树的Webshell检测方法研究

Webshell是一种基于Web服务的后门程序.攻击者通过Webshell获得Web服务的管理权限,从而达到对Web应用的渗透和控制.由于Webshell和普通Web页面特征几乎一致,所以可逃避传统防火墙和杀毒软件的检测.而且随着各种用于反检测特征混淆隐藏技术应用到Webshell上,使得传统基于特征码匹配的检测方式很难及时检测出新的变种.本文将讨论Webshell的特点和机理,分析其混淆隐藏技术,发掘其重要特征,提出并实现了一种基于决策树的检测模型.该模型是一种监督的机器学习系统,对先验网页样本进行学习,可有效检测出变异Webshell,弥补了传统基于特征匹配检测方法的不足,而结合集体学习方法Boosting,可以增强该模型的稳定性,提高分类准确率.     

网络流量的决策树分类

应用识别与流量分类是网络管理、安全、研究等相关事务的必要前提.随着网络的高速发展以及各种新型应用的不断涌现,基于分组传输层端口号和深度分组解析的分类技术难以满足需求.本文验证网络流量的统计特性可以有效地区分不同应用,提出一种基于C4.5决策树分类器的有监督网络流量分类方法,讨论boosting增强方法和特征选择两种改进.实验结果表明,C4.5分类器的训练复杂度适中,准确率高且分类速度快;增强方法可以进一步提高分类器的准确率,代价是训练时间大幅提高和分类时间稍微减慢;特征选择算法则提高分类速度而稍微降低准确率.     

基于改进的数据驱动决策树分析的3维人体运动检索

随着大量3维人体运动捕获数据库的出现,使得如何对人体运动数据进行高效分析和处理,从而有效利用运动捕获数据库成为一个新的挑战。为了高效地进行3维人体运动检索,首先通过从人体运动中提取一种基于3维空间变换特征规律的空间变换特征和运动的一些关键的时间特性来得到人体运动的3维时序特征;然后针对不同的训练需求,通过改进的数据驱动决策树的学习方法来分析关节点对运动相似的不同影响,并在检索过程中按照不同影响程度依次对关键点进行相似度计算;最终实现了一个高效的运动检索仿真系统。     

基于PSO改进决策树算法的研究

决策树方法是发现概念描述空间的一种特别有效的方法，是实例学习中具有代表性的学习方法，专门用于处理大量对象．如何快速建立简单可靠的决策树是一个重要的问题．文章引入PSO算法，并针对标准PSO算法易限于局部极小点的局限性，在保持了PSO算法结构简单可行特点的同时，利用惩罚函数方法，引入叉乘控制项，帮助算法摆脱局部极小点的束缚，提高了优化速度．将改进的PSO引入到决策树建树方法中，并与传统的决策树方法及使用遗传算法改进后的树进行比较，验证了其优越性．