决策树在耕地地力等级评价中的应用研究.pdf

从而为耕地地力等级分类研究提供一种新的思路和方法。 1．2国内外的研究现状 经过十多年的努力，数据挖掘技术的研究已经取得了丰硕的成果。目前，数据挖 掘应用于许多领域，尤其在银行、电信、保险、零售、农业等领域。数据挖掘所能解 决的典型问题包括：数据库营销、客户群体划分、背景分析、交叉销售等市场分析行 为、以及客户流失性分析、客户信用计分、欺诈识别和智能决策等。 目前国际上，利用决策树技术进行分类方法尽管时间不长，但是由于各种数据量 不断增加，建立在知识基础上的规则判断也越来越引起同行专家的注意，并己得到成 功应用。但是在耕地地力等级评价的中应用还没有文献记载。在本次研究过程，搜集 了一些关于决策树在土壤及土地分类方面的应用。 最大似然法分类结果，结合知识库以及其他辅助数据，利用D．S不确定推理理论，进 与最大似然法的土地覆盖分类，显示分类树法的精度优于最大似然法1281。Friedl等人在 1997年采用单变量决策树、多变量决策树和混合决策树三种决策树分别进行土地覆盖 分类。通过比较分析，得出决策树比最大似然法和线性法的精度都要高，尤其是采用 混合决策树得到了最高的精度。马里兰大学全球8km的土地覆盖产品也采用了二元决 策树分类算法进行监督分类。Borak等人运用决策树从大量数据中进行分类特征选择， IS数据对美国中部进行土地覆盖分类，比较 取得较好效果。Muchoney等人利用MOD 了决策树、神经网络、最大似然法3种分类方法的效果，结果显示决策树分类精度最 L．and and 高119J120J。2001年，Rick Andrea建立了CART(ClassificationRegressionTree) 分析系统，利用遥感TM数据、遥感数据间的处理结果以及一些辅助数据，将地物类 型划分为三级类，主要方法是利用遥感数据和经过一定处理变换的影像以及DEM数 据，设计了变化规则用于土地分类，评价结果最终显示：一级类精确率达到96％，二级 类达到79％，三级类65％。Joy等人利用TM影像，采用决策树方法对森林类型进行识 5|。 别，也取得了较好的效果12 有许多研究机构、公司和学术组织从事数据挖掘工具的研制和开发，一些领域已 经出现了数据挖掘工具和系统，并已经投入商业应用。国际上比较有影响的数据挖掘 Miner：加拿大SimonFraser大学“智能数据库系统研 系统如：SAS公司的Enterprise Miner等等。 与国外相比，国内对数据挖掘的研究稍晚，开始于90年代中期，没有形成整体力 量。国内从事数据挖掘研究的人员主要集中在大学，也有部分在研究所或公司，所涉 及的领域很多，一般集中于学习算法的研究、数据挖掘的实际应用以及有关数据挖掘 理论方面的研究。目前进行的大多数研究项目是由政府资助进行的，如国家自然科学 基金、863计划等。可以看出，数据挖掘的研究和应用受到了学术界、商业界和政府部 门的越来越多的重视，但是基本上还是以学术研究为主，实际应用还处于起步阶段。 1993年国家自然科学基金首次支持对该领域的研究项目。目前，国内的许多科研单位 和高等院校竞相开展知识发现的基础理论及其应用研究，这些单位包括清华大学、中 科院计算技术研究所、空军第三研究所、海军装备论证中心等。其中，北京系统工程 研究所对模糊方法在知识发现中的应用进行了较深入的研究，北京大学也在开展对数 据立方体代数的研究，华中理工大学、复旦大学、浙江大学、中国科技大学、中科院 数学研究所、吉林大学等单位开展了对关联规则算法的优化和改造；南京大学、四川 联合大学和上海交通大学等单位探讨、研究了非结构化数据的知识发现以及Web数据 挖掘【251。并且在互联网上进行广泛的讨论和交流，比如：复旦大学的“数据挖掘讨论 组http：／／www．dmgroup．org．ca。 总之，经过十几年的发展，对数据挖掘的研究已经从最初表面的、孤立的问题向 系统的、全面的方向发展。大体来说，对数据挖掘的研究目前主要集中在数据挖掘技 术和算法的研究、数据挖掘的理论研究以及数据挖掘的应用研究三个方面，本文着重 研究的是在数据挖掘技术的应用上。在后面的章节中将结合耕地地力等级数据，对数 据挖掘技术在耕地地力等级划分中的应