决策树在土地规划中的应用研究

论文摘要

当前,我国正处在快速工业化和城市化的发展阶段,资源、环境与发展的问题尤为突出,土地利用规划作为一种重要的宏观调控手段,对协调人地关系具有举足轻重的作用。土地适宜性评价是土地利用总体规划的一个重要研究专题,通过评价可以为土地利用现状分析、土地利用规划及土地开发和充分、合理利用土地资源提供科学依据。通过对土地适宜性评价方法的研究,分析了传统的评价方法的不足之处:大多依赖于经验知识,也不具有自学习能力。本文应用了分类算法理论与土地规划中的土地适宜性评价理论相结合,得出了土地适宜性决策树评价方法。该方法是把土地适宜性评价看成一个分类问题,首先要确定某种适宜类型,本文采用的是贵州省贵阳市修文县周围9个乡镇的宜耕类土地。其次要对分类的土地因子属性进行选取,主要选取有:根层、有机质、PH值、灌溉保证、抗旱能力、坡度6个主要属性。再次拆分数据集为训练数据和测试数据。最后训练生成分类器。通过对已生成的决策树分类器进行测试,研究结果表明,将计算机决策树理论与土地适宜性评价相结合是科学的,可行的,即为成熟的决策树分类技术开辟了新的应用领域,同时也为土地适宜性评价方法提供了新的思路。

论文目录

• 目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景
• 1.2 决策树分类算法在土地规划中的应用研究动态
• 1.2.1 国际应用和研究动态
• 1.2.2 国内的应用和研究动态
• 1.3 本文的主要研究内容及意义
• 1.3.1 研究内容
• 1.3.2 研究意义
• 1.4 论文组织结构
• 第二章 土地规划中适宜性评价
• 2.1 土地适宜性评价
• 2.2 土地适宜性评价研究动向
• 2.3 土地适宜性评价的目的和重要性
• 2.4 土地适宜性评价单元的划分
• 2.5 土地适宜性评价体方法的研究
• 2.5.1 因子的选择
• 2.5.2 权重确定方法
• 2.6 存在的不足
• 2.7 本章小结
• 第三章 数据挖掘分类基本理论及应用
• 3.1 数据挖掘
• 3.2 数据挖掘的主要任务和方法
• 3.3 数据挖掘中的分类方法
• 3.4 决策树分类算法
• 3.5 分类技术在土地适宜性评价中的应用举例
• 3.6 本章小结
• 第四章 决策树分类算法的分析及应用研究
• 4.1 决策树分类算法
• 4.1.1 决策树描述
• 4.1.2 决策树生成过程
• 4.1.3 决策树学习的适用问题
• 4.1.4 决策树评价指标
• 4.2 典型的几种决策树算法
• 4.2.1 ID3算法
• 4.2.2 C4.5算法
• 4.2.3 CART算法
• 4.2.4 SLIQ算法
• 4.2.5 PUBLIC算法
• 4.3 树的剪枝
• 4.3.1 前期修剪（pre-runing）
• 4.3.2 后期修剪（pos-runing）
• 4.3.3 对树进行修剪优化时应遵循的原则
• 4.4 决策树算法的讨论
• 4.5 综合训练集的提出
• 4.6 土地适宜性决策树评价方法
• 4.6.1 评价方法的思想
• 4.6.2 属性因子的选择
• 4.6.3 方法描述
• 4.6.4 决策树剪枝算法
• 4.6.5 决策树准确率测试方法
• 4.7 本章小结
• 第五章 基于决策树的土地适宜性评价研究
• 5.1 数据选取和预处理
• 5.2 决策树的构建
• 5.3 决策规则产生
• 5.4 土地适宜性评价决策系统的分析
• 5.5 分类结果在地理信息系统中的应用
• 5.5.1 地理信息系统的概述
• 5.5.2 评价结果在软件中的应用方法
• 5.6 本章小结
• 结束语
• 致谢
• 参考文献
• 附录