基于数据挖掘分类法的农用地分等

• 作者: 刘建敏 王璐 田剑
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 分类 BP 神经网络 Logistic 决策树 农用地分等
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 土地整理工程
• 页码范围: 262-267
• 页数: 6页
• 分类号: TP183
• 字数: 7649字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2009.08.047

摘要

应用决策树模型、BP神经网络和Logistic回归模型等分类法,对龙川县农用地分等进行了实证研究,并对各方法的分等结果有效性进行了评价,同时利用混淆矩阵探讨了样本数量对3种模型分类精度的影响.结果表明,样本数量对模型影响有差异,其中对BP神经网络和决策树模型影响较大,在较多训练样本时,模型的精度较高.在较多样本支持下,BP神经网络精度最高,但训练模型的时间较长,可解释性差;决策树模型既具有较高的精度又具有良好的可解释性;Logistic回归模型表现较差.决策树模型最适合龙川县农用地分等工作.研究结果表明,数据挖掘分类法是有效而准确的土地评价方法,有助于提高土地评价的精度和准确性,对农用地分等方法的优化具有一定的借鉴意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘建敏	合肥工业大学资源与环境工程学院	13	246	9.0	13.0
2	王璐	华南农业大学信息学院	43	266	9.0	14.0
4	田剑	合肥工业大学资源与环境工程学院	9	129	6.0	9.0