导读:本文包含了决策树分类器论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:决策树,算法,影像,面向对象,遥感,土地利用,阈值。
决策树分类器论文文献综述
杨朝辉,白俊武,陈志辉,钱新强[1]（2019）在《利用Sentinel-2A影像的面向对象特征湿地决策树分类方法》一文中研究指出苏州市湿地众多、类型多样化、周围环境复杂,使用传统的遥感分类方法很难得到精度较高的湿地分类结果。研究了面向对象特征的湿地决策树分类方法,以苏州市澄湖地区为研究区域,使用欧空局的Sentinel-2A影像,先将研究区域分为湿地水体、植被和非植被3大类型,再分别构建鱼塘、河流、湖泊、农田和裸地等面向对象特征,据此实现湿地遥感分类。研究结果表明,该方法能够有效利用遥感影像提供的光谱特征、几何特征和纹理特征等多种丰富信息,产生较高的分类精度,总体分类精度可达80.67%,Kappa系数为77.80%。与传统的基于中低分辨率遥感影像的分类方法相比,该方法可以有效提取湿地不同地物对象的几何结构和纹理等特征,在提高湿地分类精度的同时实现对大面积湿地的快速动态监测。(本文来源于《测绘科学技术学报》期刊2019年03期）
贾涛,韩萌,王少峰,邢成[2]（2019）在《基于McDiarmid不等式的决策树分类算法》一文中研究指出大多数处理数据流的决策树方法是基于Hoeffding不等式设计的。但是Hoeffding不等式本身只能处理数值数据流,并且在属性度量方面存在不足。为了解决这个问题,文章在Hoeffding不等式算法的基础上引入McDiarmid不等式,将二者融合并做了相应的改进作为新的属性度量选择,提出了一种基于McDiarmid不等式的新决策树分类算法,即McTree。该算法使用ε/2进行属性分类度量来提高分类性能。在真实与虚拟数据流上的实验结果表明,McTree与经典算法相比,在分类精度升高或几乎保持不变的情况下,生成树的规模明显降低。其中生成树节点数平均降低70%左右,树层数平均降低50%左右。(本文来源于《山西大学学报(自然科学版)》期刊2019年04期）
尚夏明,刘思涵,席敏哲[3]（2019）在《基于ENVI的面向对象决策树分类研究》一文中研究指出随着航空航天技术的发展和科学技术的进步,传统的遥感影像分类方法已经无法满足中、高分辨率遥感影像的分类需求,极大的限制了遥感技术的发展和遥感影像的应用。本文分别利用Ladndat8卫星中等分辨率遥感影像(阜新地区)和资源叁号卫星高分辨率(苏州地区)影像数据,通过ENVI遥感影像处理软件建立面向对象决策树、自动阈值决策树的规则,实现决策树分类,并对分类结果做精度评价。最后将决策树分类方法与传统监督分类方法进行比较,并简要分析这两类分类方法的优劣。结果表明:在高分辨率遥感影像的分类结果中,面向对象决策树分类法结果优于传统监督分类法的结果,其分类精度可达91.9594%,Kappa系数为0.7355。(本文来源于《信息技术与信息化》期刊2019年10期）
吴雪娇,王威,王芳[4]（2019）在《GF-1卫星影像决策树分类算法的森林采伐信息提取研究》一文中研究指出从林业行业应用出发,针对国产GF-1卫星数据的特点,采用决策树分类方法对影像采伐信息进行提取,探索了国产GF-1卫星数据在森林资源采伐信息提取方面的应用关键技术,为国产卫星数据的行业推广应用奠定理论基础。研究结果表明:决策树分类方法能够更有效地对伐区图斑分类提取,经过Kappa分析,测试区伐区影像提取精度从大到小分别为:水域分类精度96.71%,森林分类精度89.79%,伐区分类精度82.49%,公路分类精度75.30%,农田分类精度71.18%,建筑分类精度56.26%,其他分类精度53.57%。总体分类精度为87.34%。(本文来源于《绿色科技》期刊2019年14期）
张继超,周沛希,张永红[5]（2019）在《面向对象的多种特征极化SAR决策树分类方法》一文中研究指出针对目前极化合成孔径雷达(PolSAR)影像分类单一特征无法获得令人满意的分类结果的问题,该文设计了综合运用纹理和多种极化目标分解特征,结合面向对象分析及CART决策树的分类方法。为验证该方法的有效性,以北京市某区域全极化RADARSAT-2影像为例,按照"影像预处理—目标极化分解—特征参数优化选择—面向对象影像分割—多特征CART决策树分类"的总体思路进行实验,并在特征参数选择时充分考虑各参数之间的相关性、地物的散射特性和分类效果。结果表明:影像特征参数是PolSAR影像分类的关键,恰当的特征参数组合有利于获取准确的分类结果。(本文来源于《测绘科学》期刊2019年10期）
徐肖,刘硕[6]（2019）在《基于决策树分类的土地利用遥感监测》一文中研究指出目前,国家对土地使用越来越重视,土地的划分越来越科学化、系统化,为了提高土地的利用率以及实现土地的合理分配,土地利用的遥感监测也就显得尤为重要。本文使用TM卫星数据,基于决策树分类法,应用ENVI、ArcG IS软件对陕西省西安市蓝田县进行土地利用覆盖分类,分类结果精度较高。在此基础上,进一步分析研究区的土地动态变化特征。(本文来源于《科技风》期刊2019年17期）
韩存鸽,叶球孙[7]（2019）在《决策树分类算法中C4.5算法的研究与改进》一文中研究指出C4.5算法是用于生成决策树的一种经典算法,虽然其有很强的噪声处理能力,但当属性值缺失率高时,分类准确率会明显下降,而且该算法在构建决策树时,需要多次扫描、排序数据集、以及频繁调用对数,针对以上缺点,本文提出一种改进的分类算法.采用一种基于朴素贝叶斯定理方法,来处理空缺属性值,提高分类准确率.通过优化精简计算公式,在计算过程中,改进后的计算公式使用四则混合运算代替原来的对数运算,减少构建决策树的运行时间.为了验证该算法的性能,通过对UCI数据库中5个数据集进行实验,实验结果表明,改进后的算法极大的提高了运行效率.(本文来源于《计算机系统应用》期刊2019年06期）
孙得[8]（2019）在《教育平台的云服务决策树分类》一文中研究指出针对高校课堂的教学质量问题,本文提出了一种基于决策树分类的高校课堂教学质量研究算法,并验证了该算法的有效性。(本文来源于《中国多媒体与网络教学学报(上旬刊)》期刊2019年03期）
刘瑞玲[9]（2019）在《C4.5决策树分类算法性能分析》一文中研究指出大数据时代,人们日益关注如何获取海量数据背后的重要信息,探寻其存在的关系和规则,帮助决策者做出准确预测。C4.5决策树分类算法就是对海量数据集进行分类处理的经典算法,利用训练集构造决策树模型,从中提取有意义、有价值的分类规则。论文在研究如何构造决策树的基础上,对C4.5算法的性能进行深入分析。(本文来源于《信息系统工程》期刊2019年01期）
胡红兵,詹玉兰[10]（2018）在《基于遥感影像决策树分类的土地利用景观格局变化特征研究》一文中研究指出为研究县域土地利用景观格局的变化,利用蕲春县1990年、2000年和2015年TM和OLI遥感影像,以归一化植被指数(NDVI,Normalized Difference Vegetation Index)、改进的归一化水域指数(MNDWI,Modified Normalized Difference Water Index)、归一化不透水面指数(NDISI,Normalized Difference Impervious Surface Index)、数字高程模型(DEM,Digital Elevation Model)等因子为基础,建立了不同地物(水域、耕地、林地、建设用地、未利用地)的分类规则,运用决策树分类方法获得蕲春县1990年、2000年和2015年叁个时期的土地利用类型空间分布图,在此基础上建立了叁个时期的土地利用转移矩阵,并对该地区土地利用的景观格局进行了分析。结果表明:近25年来,蕲春县土地利用类型发生了较大的变化,水域的面积从89.74km2增加为134.63km2,净增加了44.89km2;耕地从1086.79km2减少为1032.96km2,净减少了53.83km2;林地从1172.74km2减少到1138.94km2,净减少了33.8km2;建设用地从28.42km2增加为38.97km2,净增加了37.63km2;未利用地净增加了5.11km2,从16.38km2增加21.49km2。从景观破碎度、景观优势度和景观多样性与均匀性等方面的分析反映出蕲春县土地利用景观格局发生较明显的变化,景观的破碎度和多样性增大、耕地的优势度逐渐减小、林地的优势度逐渐增大,说明人类活动对土地利用的影响越来越大。(本文来源于《绿色科技》期刊2018年24期）
决策树分类器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
大多数处理数据流的决策树方法是基于Hoeffding不等式设计的。但是Hoeffding不等式本身只能处理数值数据流,并且在属性度量方面存在不足。为了解决这个问题,文章在Hoeffding不等式算法的基础上引入McDiarmid不等式,将二者融合并做了相应的改进作为新的属性度量选择,提出了一种基于McDiarmid不等式的新决策树分类算法,即McTree。该算法使用ε/2进行属性分类度量来提高分类性能。在真实与虚拟数据流上的实验结果表明,McTree与经典算法相比,在分类精度升高或几乎保持不变的情况下,生成树的规模明显降低。其中生成树节点数平均降低70%左右,树层数平均降低50%左右。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
决策树分类器论文参考文献
[1].杨朝辉,白俊武,陈志辉,钱新强.利用Sentinel-2A影像的面向对象特征湿地决策树分类方法[J].测绘科学技术学报.2019
[2].贾涛,韩萌,王少峰,邢成.基于McDiarmid不等式的决策树分类算法[J].山西大学学报(自然科学版).2019
[3].尚夏明,刘思涵,席敏哲.基于ENVI的面向对象决策树分类研究[J].信息技术与信息化.2019
[4].吴雪娇,王威,王芳.GF-1卫星影像决策树分类算法的森林采伐信息提取研究[J].绿色科技.2019
[5].张继超,周沛希,张永红.面向对象的多种特征极化SAR决策树分类方法[J].测绘科学.2019
[6].徐肖,刘硕.基于决策树分类的土地利用遥感监测[J].科技风.2019
[7].韩存鸽,叶球孙.决策树分类算法中C4.5算法的研究与改进[J].计算机系统应用.2019
[8].孙得.教育平台的云服务决策树分类[J].中国多媒体与网络教学学报(上旬刊).2019
[9].刘瑞玲.C4.5决策树分类算法性能分析[J].信息系统工程.2019
[10].胡红兵,詹玉兰.基于遥感影像决策树分类的土地利用景观格局变化特征研究[J].绿色科技.2018
论文知识图
