区域尺度农业管理分区的无监督特征选择与破碎度优化算法

• 作者: 刘通宇 张小虎 朱艳 朱金诚 黄芬
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 农业 管理分区 算法 特征选择 过滤式 一致完整性优化 区域尺度
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 192-200
• 页数: 9页
• 分类号: S126|TP391.4
• 字数: 8758字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.05.022

摘要

针对区域尺度管理分区指标筛选与分区破碎问题,提出基于指标相关性聚类的无监督过滤式指标选择方法FSCC(feature selection based on correlation clustering algorithm,FSCC)与基于一致性和完整性的指标优化方法(consistency and integrity optimization,CIO).以中国主要冬小麦种植区为研究区域,气象、土壤、地形等小麦生长相关指标为数据源,研究区域从大到小划分为4个尺度,首先选用最大方差、拉普拉斯得分2种传统过滤式特征选择方法与FSCC分别进行4个尺度的管理分区指标筛选,对比基于3种方法筛选指标集构建的管理分区划分结果,评价FSCC分区指标选择方法;其次,设计指标优化算法,对4个尺度筛选的指标集分别进行一致性与完整性分析与优化.结果表明:相较最大方差法和拉普拉斯得分法,FSCC筛选指标的分区效果具有较好表现,如皋2.5km处,其评价指标模糊性能指数(FPI)、归一化分类熵(NCE)和修正分离熵(MPE)均低于另外2种方法52.44％、49.45％和49.52％;CIO在如皋、南通尺度下有效剔除分区破碎指标,分区完整性明显,除南通10 km外,CIO比FSCC的指标集,FPI、NCE、MPE分别平均低0.078、0.061、0.082,相对提升了FSCC的分区效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄芬	南京农业大学信息科学与技术学院	16	172	5.0	13.0
5	朱艳	南京农业大学国家信息农业工程技术中心	113	2719	28.0	45.0
6	张小虎	南京农业大学国家信息农业工程技术中心	7	122	3.0	7.0
7	朱金诚	南京农业大学信息科学与技术学院	1	0	0.0	0.0
8	刘通宇	南京农业大学信息科学与技术学院	2	0	0.0	0.0