半监督学习算法在农用地分等中的应用
为了提高了土地评价模型的简易性、可解释性和准确性,以及克服传统土地评价模型中认为因素多的影响,提出利用关联规则挖掘算法从已知类别的训练样本提取其中的分类关联规则作为监督信息,结合非监督学习方法中的K-mean聚类算法,对大量未标定样本进行分类的半监督学习方法.该方法实现过程简单,分类准确率高,可推广性较强.对广东省土地资源的评价实验表明,利用半监督学习算法可得到较高的土地评价准确率94.0622%.
土地评价、半监督学习、K-mean算法、关联规则、聚类
29
TP18(自动化基础理论)
广东省自然科学基金项目04300504h华南农业大学校长科学基金项目2007K017
2009-02-06(万方平台首次上网日期,不代表论文的发表时间)
共3页
6133-6135