基于随机森林算法的模糊坡位分类

摘要

基于相似度的模糊坡位分类算法使用最小值算子来综合不同地形因子的相似度,忽略了不同的地形因子对不同坡位的影响程度的差异.该文使用随机森林算法分析地形因子与坡位类型之间的关系,计算出不同地形因子相对于各类坡位的重要性评分,并以此作为加权因子,通过加权因子原则,综合计算待分类位置与典型位置的相似度.结果显示,基于随机森林算法的分类准确度和Kappa系数分别达到了0.97和0.96,而基于最小值算子算法的分类准确度和Kappa系数分别为0.88和0.83.相比原有方法,新方法的分类准确度提高了0.09,Kappa系数提高了0.13,由此证明,使用本文提出的新方法进行模糊坡位分类,在一定程度上提高了坡位分类的效果.