基于SVM的人工林地力評價研究與實現(xiàn).pdf

1、近年來，隨著我國經(jīng)濟和社會的快速發(fā)展，各行各業(yè)信息化程度不斷提高，林業(yè)信息化建設也取得長足的進展。地力數(shù)據(jù)是林業(yè)中最重要的數(shù)據(jù)類型之一，對這類數(shù)據(jù)進行分析，對地力等級進行評價，已成為林業(yè)部門一項重要的日常工作。
　　 支持向量機(SVM)作為一種新的機器學習方法，由于其具有小樣本學習、收斂速度快、泛化能力強、能夠得到全局最優(yōu)解等優(yōu)點，已成為研究的熱點課題，并廣泛地應用于模式識別、分類分析等領域。粗糙集(RS)是一種處理不確定性和

2、不完整性的數(shù)學工具，在處理大量數(shù)據(jù)，消除冗余信息和處理不確定性信息等方面具有一定的優(yōu)勢。本文從支持向量機的算法研究出發(fā)，結(jié)合粗糙集理論，通過實驗驗證支持向量機模型在人工林地力等級評價中的可行性，并最終將其應用到人工林地力等級評價系統(tǒng)的實際項目中。
　　 本文首先介紹了國內(nèi)外常用的地力等級評價方法，并分析了現(xiàn)有方法的不足，結(jié)合地力方面數(shù)據(jù)的特點，提出了基于粗糙集與支持向量機的分類方法;然后簡要論述了支持向量機的理論基礎，深入研究了

3、支持向量機解決實際問題的主流方法，給出人工林地力等級的RS-SVM評價模型;再將RS-SVM評價模型應用于人工林地力等級評價實驗中，并與單一的SVM評價模型及基于BP人工神經(jīng)網(wǎng)絡的方法進行實驗比較，根據(jù)實驗的結(jié)果分析該模型的可行性;最后在以上研究的基礎上設計開發(fā)了基于.NET平臺的人工林地力等級評價的信息系統(tǒng)。
　　 實驗表明，與單一SVM評價方法相比，RS-SVM評價模型在保證評價精度的同時，降低了算法的空間和時間復雜度，提高