基于相对信任度贝叶斯的DEM数据分析方法

发布时间：2024-02-20 18:07

　　针对数字高程模型(Digital Elevation Model,DEM)数据分析中存在的不确定性、多样性、地形分布复杂性等特点,提出一种基于相对信任度的贝叶斯算法用于DEM地形分析。为删除冗余属性,对属性进行筛选,该筛选方法基于互信息的相对可信度,使用相对可信度R作为选择的衡量标准。同时对传统贝叶斯算法进行改进,引入了相对可信度R作为权值。该方法有效提高了坡度、坡向、山脊线,山谷线地形因素数据分析的准确率,为地形研究和考察评价提供了一种新的、可靠的预测分类方法。

【文章页数】：4 页

【部分图文】：

图1DEM决策分析业务流程图

DEM决策分析业务系统分为四个主要模块。数据管理部分主要用于相关DEM数据导入和手动建立数据模型。DEM模型分析提取相关坡度,坡向等属性数据,同时利用贝叶斯等分析方法对提取的坡度,坡向等数据进行分析和预测分类。三维显示主要对模型和地形属性进行三维处理。统计输出模块主要对DEM相关....

图2测试模型

针对改好后的基于相对信任度的贝叶斯算法在实际系统应用情况进行测试,在测试中对DEM地形模型中的属性坡向,坡度以及山谷线,山脊线作为决策属性[14],对它们进行不确定分析,根据分析结果对地形进行分类测试,具体测试模型如下图2所示。3.2时间性能测试

图3算法时间性能测试

把改进的基于相对信任度的贝叶斯算法和传统贝叶斯算法进行在DEM预测分析过程中的时间复杂度进行时间性能分析。为了方便两种算法的运行时间,用柱状图表示如下图3所示。3.3准确率性能测试

图4准确率性能测试

由特征选择方法选择得到部分属性,各属性作为决策属性的分类准确性结果根据准确率定义就可以算出。为直观比较传统贝叶斯算法和基于相对信任度的贝叶斯算法的分类的准确率,将两者用柱状图表示如下图4所示。3.4测试结果分析

本文编号：3904371