案例支撑下的朴素贝叶斯树状河系自动分级方法
Naive Bayes-based automatic classification method of tree-like river network supported by cases作者机构:信息工程大学地理空间信息学院
出 版 物:《测绘学报》 (Acta Geodaetica et Cartographica Sinica)
年 卷 期:2019年第48卷第8期
页 面:975-984页
核心收录:
学科分类:081603[工学-地图制图学与地理信息工程] 081802[工学-地球探测与信息技术] 07[理学] 08[工学] 070503[理学-地图学与地理信息系统] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 0816[工学-测绘科学与技术]
基 金:国家自然科学基金(41571442 41171305)~~
主 题:树状河系 自动分级 主支流识别 案例学习 朴素贝叶斯
摘 要:河流分级是树状水系综合的关键。现有方法大多根据河段的局部几何特征进行主支流识别,较少顾及河流和河系的整体结构特征,且使用多指标综合评价判别时对权重的设定缺乏科学的方法,对综合知识利用较少,应用的灵活性有待提高。对此,本文从案例学习的角度出发,针对河段主支流关系识别,提出一种基于朴素贝叶斯的树状河系自动分级方法。首先,从已有成果数据中提取出主支流分类的案例,利用朴素贝叶斯机器学习方法进行训练得到主支流分类模型;对于待分类树状河系,使用分类模型,从河口出发自下游向上游依次计算各上游河段分类为主流的概率,以概率最大的上游河段作为主流河段,将各主流河段依次连接得到主流河流;主流河流以外的支流部分,重复以上步骤进行层次结构化实现河系分级。试验证明,本文方法能很好地模仿专家意图,对树状河系的主支流进行很好地识别分类,并构建合理的层次结构,分级效果良好。