基于ASTER数据的决策树自动构建及分类研究

作     者：李明诗 彭世揆 周林 马以秀 LI Ming-shi;PENG Shi-kui;ZHOU Lin;MA Yi-xiu

作者机构：南京林业大学森林资源与环境学院南京210037 江苏省建湖县林业站建湖224700 

出 版 物：《国土资源遥感》 (Remote Sensing for Land & Resources)

年 卷 期：2006年第18卷第3期

页      面：33-36,42页

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家林业局"3S技术在森林资源调查中的应用"课题资助项目(20003270080) 江苏省高校自然科学研究计划项目资助(05KJD220096) 南京林业大学科技创新项目资助(CX05-010-4) 

主　　题：ASTER 杨树 回归树 See 5.0 分类 

摘      要：在对ASTER原始9个波段数据进行各种变换处理的基础上,采用数量化指标平均可分性方法确定参与分类的最佳特征组合;结合研究区8种主要地物类型训练数据集,分别采用最大似然法、BP神经网络法和基于See 5.0数据挖掘的决策树分类法进行分类,提取主要地物的空间分布专题信息。经过379个野外样点的验证,结果表明:决策树算法分类性能最优,神经网络算法次之,最大似然法效果最差;与ENVI 4.1、ERDAS 8.7提供的传统决策树建立及分类方法比较,基于数据挖掘工具See 5.0和Cart的决策树生成和分类方法具有客观、高效率、分类性能可靠和精度高等优点。