文献

J-GLOBAL ID：201702262687317427   整理番号：17A1326010

ラフ集合とC5.0決定木に基づく森林品質評価【JST・京大機械翻訳】

Evaluation of forest land quality based on rough set and C5.0 decision tree

著者 (3件)： Zhang Zongyi (北京林業大学水土保持学院,北京100083;中国林業科学研究院資源信息研究所,北京100091) ,  Liu Pengju (中国林業科学研究院資源信息研究所,北京,100091) ,  Tang Xiaoming (北京林業大学水土保持学院,北京100083;中国林業科学研究院資源信息研究所,北京100091)
資料名： Xibei Nonglin Keji Daxue Xuebao(Zirankexueban)  (Xibei Nonglin Keji Daxue Xuebao(Zirankexueban))
巻： 45  号： 3  ページ： 96-102,110  発行年： 2017年 
JST資料番号： C5021A  ISSN： 1671-9387  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 【目的】本論文は,データマイニングのアルゴリズムを用いて,多重因子の影響を受けた森林品質の総合評価を実現し,森林品質と環境因子の間の非線形関係を探索し,森林経営情報化レベルを向上させるための技術支援を提供することを目的とした。【方法】Juglans mandshurica Maximの森林資源データを使用して,ラフ集合アルゴリズムを用いて,森林品質に関連する重要な因子を選択し,次に,C5.0ディシジョンツリーを確立した。環境因子と森林品質の間の非線形関係を得た。【結果】傾斜地,傾斜地,傾斜地,標高,下木種,下木被覆度,地被種,地被被度,および土壌テクスチャに影響を及ぼす主な因子は,以下の通りであった。ラフ集合法により選択された因子は,入力変数としての決定木モデルの規模が小さく,複雑さが低く,決定規則が簡単で,予測精度が91.20%に達した。[結論]本研究で提案した森林品質レベルの予測と評価方法は、モデルの正確率を保証すると同時に、アルゴリズムの時間と空間複雑性を低減し、データマイニング効率を向上させ、一般的な森林品質評価における専門家による採点の限界と主観性を克服することができる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： モデル ,  *品質 ,  被覆率 ,  データマイニング ,  傾斜地 ,  *ラフ集合 ,  アルゴリズム ,  *ディシジョンツリー ,  土壌テクスチャ ,  品質水準
準シソーラス用語： 予測精度 ,  ディシジョンルール ,  標高 ,  環境因子 ,  *品質評価 , 【Automatic Indexing@JST】

著者キーワード (5件)： rough sets ,  decision tree ,  forest land quality grade ,  forest resources subcompartment data ,  Juglans mandshurica

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ラフ集合 ,  C5 ,  決定木 ,  森林 ,  品質評価