基于C4.5决策树的多特征遥感分类方法的探讨与实践

摘要

遥感技术是上世纪六十年代迅速发展起来的一门综合性对地观测技术。遥感影像是按一定的比例尺,客观真实地记录和反映地表物体的电磁辐射强弱的信息,是遥感探测所获得的遥感信息资料的一种表现形式。遥感图像数据具有多源性、空间宏观性、时间周期性、多光谱特性、多空间分辨率特性以及海量数据等特征,这些特征使得遥感图像在分类处理时存在相当多的困难。与此同时,近年来随着计算机技术的飞速发展,计算机识别遥感影像分类成了遥感技术应用的一个重要组成部分。如何解决多特征遥感分类识别并满足一定的分类精度成为遥感技术的核心问题。本文的研究内容如下:
　　1、在分析了遥感图像分类困难原因的基础上,介绍了当前应用比较广泛的遥感图像分类方法,重点阐述了最大似然分类法、人工神经网络分类法以及C4.5决策树分类法,包括各分类方法的主要原理和该分类法应用时存在的优势与不足。
　　2、详细介绍了基于WEKA平台的C4.5决策树分类法及其具体工作流程,此部分为本文提出的构建C4.5决策树的理论基础。
　　3、以钱塘江流域为研究区域,利用2010年的ETM、MODIS和DEM多源数据,进行土地利用分类研究。同时结合试验区地类样本,分析地类的光谱特性和植被指数年度变化,运用光谱指数法和代数法从数据中提取各种土地覆被类型特征,然后利用WEKA软件平台下的C4.5决策树算法构建决策树分类模型,对钱塘江流域土地覆被类型分类,并与最大似然分类法和神经网络分类方法对比。结果表明,基于多特征的C4.5决策树有更快的分类速度和更高的分类精度。
　　与传统的遥感图像分类方法相比,决策树分类算法简单易行,能从大量数据中挖掘出分类信息,便于结合多种土地利用类型特征构建更精简、更易理解的分类规则,能够实现对土地类型的较高精度的分类,具有较高的应用价值。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1引言

1.2研究现状和发展趋势

1.3主要研究内容和研究流程

1.4本章小结

第2章 C4.5决策树算法的概述

2.1 C4.5决策树的定义及发展

2.2 C4.5决策树算法的主要原理

2.3 C4.5决策树算法的特点

2.4 C4.5决策树算法在遥感分类中的应用

2.5 本章小结

第3章 对研究区域及数据源进行特征信息提取

3.1研究区域概况

3.2 数据介绍

3.3 数据预处理

3.4 特征信息提取

3.5 本章小结

第4章 构建基于WEKA平台C4.5决策树

4.1 WEKA软件

4.2 研究区域2010年遥感影像决策树分类

4.3 WEKA平台下构建C4.5决策树

4.4 本章小结

第5章 算例与分析

5.1 最大似然分类简介

5.2 人工神经网络分类法简介

5.3分类结果对比分析

5.4 本章小结

第6章 结论与展望

6.1 结论

6.2 论文创新点

6.3 不足与展望

参考文献

个人简历、申请学位期间的研究成果及发表的学术论文

致谢