TAILIEUCHUNG - Ứng dụng phương pháp học máy - cây quyết định trong đánh giá biến động rừng ngập mặn khu vực xã đất mũi

Trong phạm vi bài viết này, nhóm nghiên tiến hành thử nghiệm một thuật toán của phương pháp học máy (Machine Learning) - cây quyết định trong phân loại các đối tượng sử dụng đất đặc biệt là rừng ngập mặn trên ảnh vệ tinh LANDSAT với khu vực thử nghiệm là xã Đất Mũi thuộc huyện Ngọc Hiển, tỉnh Cà Mau Cà Mau. | ỨNG DỤNG PHƯƠNG PHÁP HỌC MÁY - CÂY QUYẾT ĐỊNH TRONG ĐÁNH GIÁ BIẾN ĐỘNG RỪNG NGẬP MẶN KHU VỰC XÃ ĐẤT MŨI Nguyễn Thị Ngọc Ánh 1 Trần Đăng Hùng 2 Lê Phương Hà 2 Viện Chiến lược Chính sách tài nguyên và môi trường ISPONRE 1 2 Viện Khoa học Khí tượng thủy văn và Biến đổi khí hậu IMHEN Ngày nhận bài 04 11 2021 ngày chuyển phản biện 05 11 2021 ngày chấp nhận đăng 29 11 2021 Tóm tắt Phương pháp học máy - cây quyết định dùng để phục vụ các mục đích phân loại tính hồi quy và các nhiệm vụ khác bằng cách xây dựng nhiều cây quyết định Decision tree . Hiện nay cây quyết định là một phương pháp thông dụng trong khai thác dữ liệu. Khi đó cây quyết định mô tả một cấu trúc cây trong đó các lá đại diện cho các phân loại còn cành đại diện cho các kết hợp của các thuộc tính dẫn tới phân loại đó 1 . Trong phạm vi bài báo này nhóm nghiên tiến hành thử nghiệm một thuật toán của phương pháp học máy Machine Learning - cây quyết định trong phân loại các đối tượng sử dụng đất đặc biệt là rừng ngập mặn trên ảnh vệ tinh LANDSAT với khu vực thử nghiệm là xã Đất Mũi thuộc huyện Ngọc Hiển tỉnh Cà Mau Cà Mau. Kết quả nghiên cứu đã phân loại thành công các lớp sử dụng đất giai đoạn 1995 - 2020 với độ chính xác tổng lần lượt cao là 88 8 hệ số Kappa là 0 85 rất tốt đối với ảnh Landsat có độ phân giải trung bình. Từ khóa Viễn thám rừng ngập mặn cây quyết định. 1. Giới thiệu quyết định như là phương pháp phân loại có giám sát khai thác dữ liệu không gian phá vỡ Từ trước đến nay để chiết tách các thông tin các vấn đề và quy tắc phân loại trước đây cũng ảnh viễn thám việc ứng dụng các thuật toán có như luôn tận dụng được kiến thức sinh thái và kiểm định như K-Nearest Neighbors KNN đã viễn thám có tính chắc chắn và kết quả luôn trở nên phổ biến. K-Nearest Neighbors phương liên quan chặt chẽ với kinh nghiệm và kiến thức pháp để phân lớp các đối tượng dựa vào khoảng chuyên môn. Nó có được các quy tắc phân loại cách gần nhất giữa đối tượng cần xếp lớp Query bằng quy trình nghiên cứu quyết định và không point

TỪ KHÓA LIÊN QUAN
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.