一个基于贝叶斯方法的冬态树木分类系统的设计与实现

摘要

本文通过分析树木体系的特征，研究并分析了可能影响树木分类结果的几个方面，指出了树木分类建模时应该考虑的因素，从中抽取与分类最相关的内容和信息，构建了冬态树木分类的模型，提出并实现了一个基于贝叶斯的树木自动分类的方法，完成了基于贝叶斯的冬态树木分类系统，其内容包括： (1)从面向分类的角度设计并深入地分析了冬态树木的特征，设计了冬态树木描述文件HPF，并且将其成功地应用到本研究所属的项目中。 (2)分析了定性的颜色表示方法存在的缺点，论证了定性的颜色表示方法无法很好的计算颜色上的不足，然后研究、分析并设计了适用于定量的颜色描述方法，提出并实现了颜色距离和相似度的计算，在系统中得到了很好的实现。 (3) 论证了树木是一个具有整体性特点的对象，在进行树木不同层次的分类时各特征具有关联性，不能随意地当作离散的独立个体处理；进而提出了树木层次分类的方法，实现了树木的科层次和属层次的分类。 (4)设计并实现了树木分类中各特征项参数的自学习功能，以便在使用分类过程中，根据实际情况，自学习参数，达到最佳的分类效果。 (5)通过对实验结果的详细分析，表明本文所提出的分类方法可以较好地解决冬态树木的自动分类问题。

目录

文摘

英文文摘

声明

第1章绪论

1.1 自动分类研究背景现状

1.2 当前树木分类识别及其自动化研究

1.3 贝叶斯学习在冬态树木分类中的应用

1.4 研究内容和意义

1.5 本文的组织

第2章贝叶斯学习的基础理论

2.1 贝叶斯学习

2.1.1贝叶斯学习的优点

2.1.2贝叶斯学习的应用

2.1.3朴素贝叶斯学习模型

2.2 贝叶斯网络

2.2.1贝叶斯网络的表示、学习和推理

2.2.2贝叶斯网络的构造

2.2.3贝叶斯网络的应用

2.3 朴素贝叶斯分类器

2.4 本章小结

第3章树木及其冬态树木的分类

3.1 树木分类

3.1.1树木分类概述

3.1.2树木分类等级

3.1.3树木分类的形式化描述

3.1.4树木分类的系统框架

3.2 树木的冬态

3.2.1落叶树和常绿树

3.2.2树木的冬态

3.3 冬态树木的分类

3.4 计算机技术在树木分类中的应用

3.5 贝叶斯在树木分类中的应用

3.6 训练集，测试集以及验证集

3.7 分类有效性的度量

3.7.1涉及的主要概念

3.7.2精度(precision)

3.7.3宏观平均精度(macro-averaged precision)

3.7.4微观平均精度(micro-averaged precision)

3.7.5三种评价标准的比较

3.8 本章小结

第4章基于贝叶斯的冬态树木分类系统的设计

4.1 树木分类的考虑因素

4.1.1树形

4.1.2树枝

4.1.3树皮

4.1.4叶痕

4.1.5叶迹

4.1.6芽

4.2 树木描述文件的分析与设计

4.3 树木颜色的描述分析与设计

4.3.1颜色的表示

4.3.2颜色距离计算

4.3.3颜色相似度的计算

4.4 树木特征相似度的计算

4.4.1树木形状相似度的计算

4.4.2树枝相似度的计算

4.4.3树皮相似度的计算

4.4.4冬芽相似度的计算

4.4.5叶痕相似度的计算

4.4.6叶迹相似度的计算

4.5 冬态树木的种层次贝叶斯分类器的设计

4.6 树木的分类层次

4.6.1冬态树木的属层次贝叶斯分类器的设计

4.6.2冬态树木的科层次贝叶斯分类器的设计

4.6 特征权重参数的贝叶斯学习

4.7 本章小结

第5章基于贝叶斯的冬态树木分类系统的实现和运行

5.1 参数的配置

5.2 树木的浏览

5.3 树木特征颜色的设置

5.4 颜色相似度的计算

5.5 树木的特征的设置

5.6 冬态树木分类

5.7 批量分类

5.8 分类器的评估

5.9 特征参数的贝叶斯学习

5.10 本章小结

第6章实验及相关问题的讨论

6.1 封闭测试

6.2 开放测试

第7章总结与展望

7.1 总结

7.2 展望

参考文献

攻读学位期间公开发表的论文

致谢

附录