基于ASTER数据的决策树自动构建及分类研究

• 作者: 周林 彭世揆 李明诗 马以秀
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: ASTER 杨树 回归树 See 5.0 分类
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 技术方法
• 页码范围: 33-36
• 页数: 5页
• 分类号: TP75
• 字数: 2788字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-070X.2006.03.008

摘要

在对ASTER原始9个波段数据进行各种变换处理的基础上,采用数量化指标平均可分性方法确定参与分类的最佳特征组合;结合研究区8种主要地物类型训练数据集,分别采用最大似然法、BP神经网络法和基于See 5.0数据挖掘的决策树分类法进行分类,提取主要地物的空间分布专题信息.经过379个野外样点的验证,结果表明: 决策树算法分类性能最优,神经网络算法次之,最大似然法效果最差;与ENVI 4.1、ERDAS 8.7提供的传统决策树建立及分类方法比较,基于数据挖掘工具See 5.0和Cart的决策树生成和分类方法具有客观、高效率、分类性能可靠和精度高等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明诗	南京林业大学森林资源与环境学院	41	444	12.0	19.0
2	彭世揆	南京林业大学森林资源与环境学院	52	1197	20.0	33.0