基于貝葉斯的DEM地形分類方法研究與應(yīng)用

劉世界

商丘工學(xué)院 河南商丘 476000

數(shù)字高程模型（Digital Elevation Model，DEM）[1]包含了豐富的地形、地貌、水文信息，它能反映各種分辨率的地形特征，通過DEM可以提取大量的地表形態(tài)信息[2]。

傳統(tǒng)貝葉斯方法[3]在DEM地形分類和預(yù)測應(yīng)用[4]中存在一些不足之處。主要從以下兩個方面進(jìn)行闡述。

(1)沒有考慮DEM中地形屬性如坡向，坡度等不確定分析受到對不同地形分類如丘陵、平原地區(qū)影響；

(2)沒有考慮如坡度同一地形屬性[5]對于具體地形分類準(zhǔn)確率的影響；對于地形分類，如果地形屬性所占比例越多，一般情況下，屬性個數(shù)越多地形分類的準(zhǔn)確率就越高，但是地形屬性個數(shù)越多，地形分類的效率就越低。

因此，需要針對傳統(tǒng)貝葉斯算法的不足以及DEM地形數(shù)據(jù)的特點(diǎn)，尋找一個有效的算法，基于此基礎(chǔ)本文提出一種基于相對信任度[6-8]的貝葉斯算法用于DEM地形分類。并且利用該方法對DEM坡度、坡向、山脊線、山谷線地形因素進(jìn)行數(shù)據(jù)分析，為地形研究和考察評價提供了一種新的可靠的預(yù)測分類方法。

一、算法描述

樸素貝葉斯算法是通過計(jì)算后驗(yàn)概率的方法來確定樣本所屬類別的概率，基本思想是基于概率論中的貝葉斯公式和簡化假設(shè)，采用屬性和類別的聯(lián)合概率來估計(jì)新樣本的類別。

如果Aj是分類屬性，P(xj|Ci)等于類別為Ci的訓(xùn)練樣本中屬性Aj等于xj的比例[1]。

從理論上分析，樸素貝葉斯比其他分類算法如決策樹、SVM等具有更好的分類精度，但是貝葉斯分類模型在對樣本進(jìn)行分類時沒有考慮屬性不同時對分類所起作用不同，冗余的數(shù)據(jù)屬性會提高數(shù)據(jù)的維數(shù)，增加分類計(jì)算量和帶來噪聲影響，造成分類準(zhǔn)確率的下降。

二、算法設(shè)計(jì)

基于相對信任度貝葉斯算法在對DEM地形屬性數(shù)據(jù)進(jìn)行不確定分析和預(yù)測分類時候，具體算法流程如下所述。

Stpe1：對原始DEM地形屬性數(shù)據(jù)進(jìn)行預(yù)處理，如：離散化處理和空值處理。

Stpe2：對于訓(xùn)練坡度，坡向等DEM數(shù)據(jù)屬性樣本，用上述算法公式計(jì)算每個屬性Ai分類的相對可信度Ri（1≤i≤N），并把Ri由大到小進(jìn)行排列，選取前K個屬性作為最佳屬性，刪除排在后面的(N-K)個屬性，得到特征選擇后的一個新屬性集合B={B1，B2，…，BK}。K是人為預(yù)定的一個整數(shù)，作為所選特征屬性的個數(shù)。

三、DEM地形預(yù)測分類系統(tǒng)

為了弄清DEM預(yù)測分類系統(tǒng)的信息處理工作，哪些與系統(tǒng)有關(guān)，哪些與系統(tǒng)無關(guān)，就必須了解組織的業(yè)務(wù)流程。因此提供信息的時間和信息形態(tài)等有關(guān)調(diào)查情況并用“業(yè)務(wù)流程圖”來表示。

基于貝葉斯DEM預(yù)測分類系統(tǒng)需要大量數(shù)據(jù)為支撐，一般收集或?qū)崪y的資料格式多種多樣，數(shù)據(jù)的存儲需要對數(shù)據(jù)進(jìn)行格式統(tǒng)一。本文是通過對數(shù)據(jù)歸類統(tǒng)一，建立基礎(chǔ)數(shù)據(jù)庫，基礎(chǔ)數(shù)據(jù)庫包括屬性數(shù)據(jù)庫和空間屬性數(shù)據(jù)庫兩類。在進(jìn)行數(shù)據(jù)庫設(shè)計(jì)時，通過數(shù)據(jù)分層、圖層管理、屬性編碼和空間索引設(shè)計(jì)，建立空間數(shù)據(jù)庫，然后進(jìn)行屬性數(shù)據(jù)庫設(shè)計(jì)，最后建立空間數(shù)據(jù)庫與屬性數(shù)據(jù)庫的連接關(guān)系。

四、性能測試和分析

（一）測試模型

本文針對改好后的基于相對信任度的貝葉斯算法在實(shí)際系統(tǒng)應(yīng)用情況進(jìn)行測試，在測試中對DEM地形模型中的屬性坡向，坡度以及山谷線，山脊線作為分類屬性，對它們進(jìn)行特征提取，根據(jù)分析結(jié)果對地形進(jìn)行分類測試。

（二）時間性能測試

把改進(jìn)的基于相對信任度的貝葉斯算法和傳統(tǒng)貝葉斯算法進(jìn)行在DEM預(yù)測分類過程中的時間復(fù)雜度進(jìn)行時間性能分析。

改進(jìn)后的基于相對信任度的貝葉斯算法和傳統(tǒng)貝葉斯算法在DEM地形分類，坡度，坡向以及其他DEM屬性進(jìn)行預(yù)測分類過程中耗費(fèi)時間都有所提高。

（三）準(zhǔn)確率性能測試

評測DEM地形分類準(zhǔn)確率，是貝葉斯算法優(yōu)劣的一個很重要的指標(biāo)，其定義如下：

準(zhǔn)確率（precision）=分類的正確記錄數(shù)總的記錄數(shù)

改進(jìn)后的基于相對信任度的貝葉斯算法和傳統(tǒng)貝葉斯算法在DEM地形分類，坡度，坡向以及其他DEM屬性進(jìn)行分析過程中準(zhǔn)確率都有所提高。

五、總結(jié)

本文在結(jié)合前人優(yōu)勢的基礎(chǔ)上，提取的坡度等地形屬性數(shù)據(jù)進(jìn)行分析，提出一種基于相對信任度的貝葉斯算法用于DEM地形分析，通過具體的實(shí)驗(yàn)結(jié)果對上述改進(jìn)后貝葉斯算法進(jìn)行驗(yàn)證，從DEM分類準(zhǔn)確率和時間性能進(jìn)行建模比較，驗(yàn)證了改進(jìn)后貝葉斯算法的可行性和合理性。