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，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算后驗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

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，建立空間數(shù)據(jù)庫，然后進(jìn)行屬性數(shù)據(jù)庫設(shè)計，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，通過具體的實驗結(jié)果對上述改進(jìn)后貝葉斯算法進(jìn)行驗證，從DEM分類準(zhǔn)確率和時間性能進(jìn)行建模比較，驗證了改進(jìn)后貝葉斯算法的可行性和合理性。