基于逻辑回归的证据权算法研究
发布时间：2021-06-19 14:45
空间信息技术的成熟使得与空间数据挖掘相关的技术迅速发展,基于不确定性推理的证据权模型在空间数据挖掘领域中具有重要的地位。传统的证据权模型在实际应用过程中由于证据因子之间独立性的限制和因子预处理等方面的制约,其评价结果的准确性在一定程度上会受到影响。本文针对证据权模型在空间数据挖掘工作中存在的问题和不足,通过对不同空间数据挖掘相关的模型和应用实例进行深入分析和研究,对现有证据权模型的主要步骤进行改进,以提高模型评价结果的准确性。针对初选证据因子与研究目标可能不相关的问题,引入相关系数的概念,提出一种基于相关系数的证据因子筛选和最佳临界值确定方法,有效减少了与评价目标无关的因素对最终结果的影响;针对不同证据因子属性数据的量纲和含义各不相同的问题,借鉴模糊证据权中模糊转换的方法,设计实现了基于模糊隶属度的证据图层去噪声及数值归一化算法,对图层进行标准化处理;针对证据因子间不满足证据权法中相互独立的前提条件的问题,将逻辑回归模型和证据权模型相结合,提出了一种改进的证据权重计算算法,利用逻辑回归系数对证据权重进行修正,有效削弱了不独立性对评价结果的影响;最后,设计实现了基于改进证据权模型的农田生...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于逻辑回归的证据权算法研究12像元数值重新赋值为1；若r＜0，证据因子与目标事件之间呈负相关，则将证据图层取值在xmin到xn的像元数值重新赋值为1，xmin到xn的像元数值重新赋值为0，赋值完毕后生成新的栅格图层。若有n个切值，则生成n个新的二值化临时图层。图2.1证据因子二值化示意图Figure2.1Schematicdiagramofbinarizationofevidencefactors步骤2：将每个以切值xn作为临界值二值化后获得的栅格图层分别和训练点图层叠加，对每个图层，计算其正权W+、负权W-、对比度C、该切值对应包含证据区域面积以及训练点数量等数据，如表2.2所列。表2.2证据图层信息表Table2.2Evidencelayerinformationtable参数参数含义切值证据因子二值化操作时的像元数据临界值面积大于或者等于临界值的像元面积的总和训练点数量大于或者等于临界值的像元内含有的训练点数量的总和未包含训练点数量小于临界值的像元内含有的训练点数量的总和正权值以该切值为二值化临界值求解的证据图层正权正权标准差以该切值为二值化临界值求解的证据图层正权的标准差负权值以该切值为二值化临界值求解的证据图层负权负权标准差以该切值为二值化临界值求解的证据图层负权的标准差对比度正权值与负权值之差对比度标准差对比度的标准差步骤3：对得到的每个临时的二值化证据图层，首先利用统计分析的方法，判断落入证据因子存在区域（像元值为1）的训练点数量n1是否比证据因子不存在区域（像元值为0）的数量n2多，在所有满足n1＞n2的临时图层中，选取对比度C值最
基于逻辑回归的证据权算法研究18种隶属度函数来描述当前常见的三种模糊分布。图2.2常见的模糊分布Figure2.2Commonfuzzydistributions当论域中越大的值归属于目标集合的成员的可能性越大时，定义模糊MS较大值变换函数对其进行转换，μL(x)={1βsxαx+βsx>αx,0x≤αx.（2-2）上式中，x为输入的像元数据值，x代表论域中所有数据的算术平均值，s代表输入的像元数据值的标准差，α代表平均值x的倍乘系数，β为标准差s的乘数，μL(x)为经过隶属度转换后的输出数值，范围在0到1之间。该函数的分布图像由论域中数据的平均值和标准差决定，函数图像中定义的中点值为临界的交叉点，即该数值对应转换为0.5，输入的数据值大于中间点的值时其隶属于目标集合成员的可能性较大，小于中间点的值时隶属于目标集合成员的可能性较校当论域中越小的值归属于目标集合的成员的可能性越大时，定义模糊MS较小值变换函数对其进行转换，μS(x)={βsxαx+βsx>αx,0x≤αx.（2-3）式中各项参数含义与式2-2相同，在该变换函数中，输入的数据值大于中间点的值时其隶属于目标集合成员的可能性较小，小于中间点的值时隶属于目标集合成员的可能性较大。当论域中处于中间位置的值归属于目标集合的成员的可能性较大时，定义模糊高斯变换函数对其进行转换，μM(x)=exp(f1(xf2)2)（2-4）式中，f1表示散度，即输入的数据值归属于目标集合的可能性从1减小到0的速
【参考文献】：
期刊论文
[1]基于逻辑回归的多任务域快速分类学习算法[J]. 顾鑫,曹丹华,吴裕斌,栾永昕,王伟成. 计算机工程与应用. 2017(15)
[2]加权Logistic回归模型在火山岩型铜矿预测中的应用:以宁芜盆地中段为例[J]. 赵增玉,陈火根,潘懋,贾根,李向前,徐士银,郭刚,张祥云. 高校地质学报. 2016(01)
[3]基于Logistic回归模型确定权重的模糊综合评判法在边坡稳定性分析中的应用[J]. 饶运章,张学焱. 有色金属科学与工程. 2015(06)
[4]基于模糊证据权模型的基本农田保护区空间布局合理性评价[J]. 龚建凤,王占岐,蔡恩香,王海诚. 水土保持研究. 2015(04)
[5]基于GIS证据权法的焦家金成矿带综合信息成矿预测[J]. 刘汉栋,王巧云,李秀章,陈建平,祝培刚,朱继托,刘丽. 中国矿业. 2015(S1)
[6]基于自组织神经网络的耕地自然质量评价方法及其应用[J]. 郄瑞卿,关侠,鄢旭久,窦世翔,赵玲. 农业工程学报. 2014(23)
[7]改进的多元线性回归模型及其应用[J]. 楚彬,范东明. 测绘工程. 2014(06)
[8]证据权模型在泥石流灾害易发性评价中的应用[J]. 焦方谦,赵新生,陈川. 干旱区地理. 2013(06)
[9]基于模糊证据权模型的青藏高原区土地适宜性评价[J]. 金贵,王占岐,胡学东,胡守庚,张道军. 农业工程学报. 2013(18)
[10]增强证据权（BoostWofE）新方法在矿产资源定量评价中的应用[J]. 成秋明. 吉林大学学报(地球科学版). 2012(06)
硕士论文
[1]基于耕地质量评价的克山县土地生产潜力研究[D]. 王烨.东北农业大学 2017
[2]基于GIS的黄岛区土地生产潜力研究[D]. 田从永.中国石油大学(华东) 2015
[3]耦合空间关系和成矿专题属性的区域矿产资源潜力预测方法及应用[D]. 曾泽.电子科技大学 2013
[4]矿产资源GIS评价方法研究与应用[D]. 胡超.中南大学 2011
[5]基于GIS的区域土地资源潜力评价[D]. 雷诚.新疆大学 2009
[6]基于GIS技术的济南历城区基本农田的确定与空间定位研究[D]. 李轶平.山东师范大学 2008
本文编号：3238011
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于逻辑回归的证据权算法研究12像元数值重新赋值为1；若r＜0，证据因子与目标事件之间呈负相关，则将证据图层取值在xmin到xn的像元数值重新赋值为1，xmin到xn的像元数值重新赋值为0，赋值完毕后生成新的栅格图层。若有n个切值，则生成n个新的二值化临时图层。图2.1证据因子二值化示意图Figure2.1Schematicdiagramofbinarizationofevidencefactors步骤2：将每个以切值xn作为临界值二值化后获得的栅格图层分别和训练点图层叠加，对每个图层，计算其正权W+、负权W-、对比度C、该切值对应包含证据区域面积以及训练点数量等数据，如表2.2所列。表2.2证据图层信息表Table2.2Evidencelayerinformationtable参数参数含义切值证据因子二值化操作时的像元数据临界值面积大于或者等于临界值的像元面积的总和训练点数量大于或者等于临界值的像元内含有的训练点数量的总和未包含训练点数量小于临界值的像元内含有的训练点数量的总和正权值以该切值为二值化临界值求解的证据图层正权正权标准差以该切值为二值化临界值求解的证据图层正权的标准差负权值以该切值为二值化临界值求解的证据图层负权负权标准差以该切值为二值化临界值求解的证据图层负权的标准差对比度正权值与负权值之差对比度标准差对比度的标准差步骤3：对得到的每个临时的二值化证据图层，首先利用统计分析的方法，判断落入证据因子存在区域（像元值为1）的训练点数量n1是否比证据因子不存在区域（像元值为0）的数量n2多，在所有满足n1＞n2的临时图层中，选取对比度C值最
基于逻辑回归的证据权算法研究18种隶属度函数来描述当前常见的三种模糊分布。图2.2常见的模糊分布Figure2.2Commonfuzzydistributions当论域中越大的值归属于目标集合的成员的可能性越大时，定义模糊MS较大值变换函数对其进行转换，μL(x)={1βsxαx+βsx>αx,0x≤αx.（2-2）上式中，x为输入的像元数据值，x代表论域中所有数据的算术平均值，s代表输入的像元数据值的标准差，α代表平均值x的倍乘系数，β为标准差s的乘数，μL(x)为经过隶属度转换后的输出数值，范围在0到1之间。该函数的分布图像由论域中数据的平均值和标准差决定，函数图像中定义的中点值为临界的交叉点，即该数值对应转换为0.5，输入的数据值大于中间点的值时其隶属于目标集合成员的可能性较大，小于中间点的值时隶属于目标集合成员的可能性较校当论域中越小的值归属于目标集合的成员的可能性越大时，定义模糊MS较小值变换函数对其进行转换，μS(x)={βsxαx+βsx>αx,0x≤αx.（2-3）式中各项参数含义与式2-2相同，在该变换函数中，输入的数据值大于中间点的值时其隶属于目标集合成员的可能性较小，小于中间点的值时隶属于目标集合成员的可能性较大。当论域中处于中间位置的值归属于目标集合的成员的可能性较大时，定义模糊高斯变换函数对其进行转换，μM(x)=exp(f1(xf2)2)（2-4）式中，f1表示散度，即输入的数据值归属于目标集合的可能性从1减小到0的速
【参考文献】：
期刊论文
[1]基于逻辑回归的多任务域快速分类学习算法[J]. 顾鑫,曹丹华,吴裕斌,栾永昕,王伟成. 计算机工程与应用. 2017(15)
[2]加权Logistic回归模型在火山岩型铜矿预测中的应用:以宁芜盆地中段为例[J]. 赵增玉,陈火根,潘懋,贾根,李向前,徐士银,郭刚,张祥云. 高校地质学报. 2016(01)
[3]基于Logistic回归模型确定权重的模糊综合评判法在边坡稳定性分析中的应用[J]. 饶运章,张学焱. 有色金属科学与工程. 2015(06)
[4]基于模糊证据权模型的基本农田保护区空间布局合理性评价[J]. 龚建凤,王占岐,蔡恩香,王海诚. 水土保持研究. 2015(04)
[5]基于GIS证据权法的焦家金成矿带综合信息成矿预测[J]. 刘汉栋,王巧云,李秀章,陈建平,祝培刚,朱继托,刘丽. 中国矿业. 2015(S1)
[6]基于自组织神经网络的耕地自然质量评价方法及其应用[J]. 郄瑞卿,关侠,鄢旭久,窦世翔,赵玲. 农业工程学报. 2014(23)
[7]改进的多元线性回归模型及其应用[J]. 楚彬,范东明. 测绘工程. 2014(06)
[8]证据权模型在泥石流灾害易发性评价中的应用[J]. 焦方谦,赵新生,陈川. 干旱区地理. 2013(06)
[9]基于模糊证据权模型的青藏高原区土地适宜性评价[J]. 金贵,王占岐,胡学东,胡守庚,张道军. 农业工程学报. 2013(18)
[10]增强证据权（BoostWofE）新方法在矿产资源定量评价中的应用[J]. 成秋明. 吉林大学学报(地球科学版). 2012(06)
硕士论文
[1]基于耕地质量评价的克山县土地生产潜力研究[D]. 王烨.东北农业大学 2017
[2]基于GIS的黄岛区土地生产潜力研究[D]. 田从永.中国石油大学(华东) 2015
[3]耦合空间关系和成矿专题属性的区域矿产资源潜力预测方法及应用[D]. 曾泽.电子科技大学 2013
[4]矿产资源GIS评价方法研究与应用[D]. 胡超.中南大学 2011
[5]基于GIS的区域土地资源潜力评价[D]. 雷诚.新疆大学 2009
[6]基于GIS技术的济南历城区基本农田的确定与空间定位研究[D]. 李轶平.山东师范大学 2008
本文编号：3238011
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3238011.html
最近更新
教材专著
