基于半監(jiān)督機器學習耕地等級評價研究.pdf

1、近幾年，隨著經(jīng)濟社會的快速發(fā)展，城市化的進程的加速，居民收入水平穩(wěn)步提高，對土地的需求量也相應增大，占用了大量的優(yōu)質(zhì)農(nóng)用耕地，面對日益嚴峻的耕地的流失問題，必須制定切實有效的方法來指導農(nóng)業(yè)和土地部門的土地利用策略。
　　 本研究從保護耕地的角度出發(fā)，對安徽省耕地等級進行評價，以揭示耕地的適宜性與限制性。在傳統(tǒng)的層次分析法AHP 方法的基礎之上，利用基于約束的半監(jiān)督聚類算法對土地等級進行評價，克服傳統(tǒng)AHP模型中人為因素諸多的影響

2、,提高了農(nóng)用地的等級評價的準確性。
　　 耕地地力評價實質(zhì)是評價地形地貌、土壤理化性狀等自然要素對農(nóng)作物生長限制程度的強弱。論文首先運用地理信息系統(tǒng)技術分別建好圖形數(shù)據(jù)庫和屬性數(shù)據(jù)庫后，通過統(tǒng)一的編碼來實現(xiàn)圖形數(shù)據(jù)庫和屬性數(shù)據(jù)庫的無縫連接，最終形成完整的空間數(shù)據(jù)庫?？朔藗鹘y(tǒng)的關系數(shù)據(jù)庫在空間數(shù)據(jù)的表示、存儲、管理、檢索上存在的許多缺陷。在空間數(shù)據(jù)庫的基礎之上，用傳統(tǒng)的層次分析法AHP的方法，將人們的經(jīng)驗思維數(shù)量化，用以檢驗決策

3、者判斷的一致性，采用累加法計算每個評價單元的綜合地力指數(shù)，從而確定土地做等級評價?？紤]到實際工作中，對樣本的標定計算開銷比較大，專家標定類別的樣本也很有限，采集到的土地評價因子未標簽樣例的數(shù)量往往遠大于標簽樣例的數(shù)量，包括數(shù)據(jù)的類別標簽、數(shù)據(jù)部分特征的缺失等，如果只使用已標簽的數(shù)據(jù)，會造成大量未標簽數(shù)據(jù)的浪費，而且其得到的模型不具有很好的泛化能力，相反若是只使用大量的未標簽樣例，已標簽的數(shù)據(jù)樣例價值無法得到體現(xiàn)，準確率往往較低。為了克服

4、傳統(tǒng)土地評價AHP模型的人為因素多且效率不高的影響，需要將層次分析法和其他結合起來應用,例如半監(jiān)督聚類算法，來提高土地評價的簡便性和科學性。
　　 在本研究中，以歙縣土壤和農(nóng)業(yè)生產(chǎn)等實際情況為例，采用傳統(tǒng)的 AHP 方法為基礎，得到標簽數(shù)據(jù)的相似性闔值，同時得到不相似性闔值，綜合這兩個聚類過程的數(shù)據(jù)對象為約束條件，進行標記。利用關聯(lián)規(guī)則挖掘算法從已知類別的樣本提取一定的分類關聯(lián)規(guī)則作為監(jiān)督信息，對其進行聚類劃分，對半監(jiān)督算法起到