蟻群分類規(guī)則挖掘算法改進及遙感分類應用.pdf

1、遙感影像分類方法的研究一直是遙感研究領域里的一項重要內容。當研究區(qū)較大、土地覆蓋類型較為復雜時，現有的遙感分類方法往往難以獲得較高的分類精度，而人工智能方法與技術在處理復雜問題時具有較為明顯的優(yōu)勢。因此，有必要引進人工智能方法來提高遙感分類精度。蟻群算法作為一種新型智能優(yōu)化算法，已經成功應用于遙感影像分類中，為遙感影像分類提供了更廣闊的思路。本文在對現有蟻群算法進行分析的基礎上，針對收斂慢、計算時間長等問題。提出了改進的蟻群規(guī)則挖掘算法

2、，并應用于遙感數據分類，對1996-2006年長株潭城市群核心區(qū)的土地覆蓋進行分類與變化分析，取得了以下主要成果:
　　 (1)蟻群算法(Ant-Miner)能夠較好的發(fā)現最優(yōu)解，具有較強的魯棒性，但Ant-Miner算法也存在一些由于蟻群系統(tǒng)自身缺陷所造成的不足，如分類規(guī)則集的精簡度較差、容易陷入局部最優(yōu)解、計算時間較長等?；贏nt-Miner算法，提出了改進型Ant-Miner算法。首先，對規(guī)則有效性衡量公式進行改進，對公

3、式未定義和定義不合理的地方進行完善;其次，從信息素濃度增加項，信息素揮發(fā)系數兩方面，改進信息素濃度更新策略;最后，在算法求解中，引入變異算子，有效加快進化過程，縮短計算時間，獲得較好的分類規(guī)則。
　　 (2)以長株潭城市群核心區(qū)1996-2006年TM影像為實驗數據，在分類實驗中對算法進行了驗證。結果表明，相對于Ant-Miner和決策樹方法而言，改進型Ant-Miner算法能挖掘出數目更少、形式更簡單的分類規(guī)則，同時縮短計算時

4、間，提高分類效率;改進型Ant-Miner算法的分類結果總體精度都能達到85％以上，Kappa系數都在0.81以上，相對于Ant-Miner算法、決策樹法和極大似然法，分類精度都有明顯提高。
　　 (3)采用改進的蟻群算法，對長株潭城市群核心區(qū)域土地覆蓋進行遙感分類，并進行了變化過程分析。結果表明:研究區(qū)在1996年到2006年期間，以長沙、株洲和湘潭三市市區(qū)周圍土地覆蓋變化最為明顯，建設用地保持著較高的增長狀態(tài)，土地覆蓋動態(tài)變