[发明专利]一种基于决策理论粗糙集的地物特征提取方法

权利要求书

1.一种基于决策理论粗糙集的地物特征提取方法，其特征在于，包括步骤：

(1)获取多源遥感数据，并对遥感多波段数据进行预处理得到波段数据向量；

(2)收集专家知识库并将专家知识向量加入到所述波段数据向量中作为条件集，所述条件集为开放式；

(3)对所述条件集进行归一化处理；

(4)由真实地类构成决策集，并将决策集转化为向量与条件集对齐合并作为遥感决策表；

(5)利用前向贪婪搜索算法对决策表进行处理，得到特征排序，由特征主次得到地物核心特征以及区分不同地类的决策规则，在决策规则下进行地物特征提取。

2.根据权利要求1所述的基于决策理论粗糙集的地物特征提取方法，其特征在于：利用前向贪婪搜索算法对决策表进行处理的具体步骤为

(11)建立核心特征集R并赋为空集；

(12)对每一个属于条件集C-R中的特征a_k，计算k＝1,2…,C＝{a₁,a₂,…a_k,…}，为属于D_X的概率，为x的描述，X是决策类，满足准则Ⅰ：α为置信水平；

(13)计算代价函数ω_i是第i类，i＝1，2，…，c，X是决策类，最大的P代表最大可能是边界域中大类；

(14)对遥感数据中每一个单元i计算代价函数，累加为总代价函数i＝1，2，…，n；

(15)计算|U|为单元总数，γ是一种集置信水平、代价或风险量度、普适度为一体的指标；

(16)首先对每一个特征计算一个γ值，从中选取最大者，满足以下两个条件：

准则Ⅱ：总代价循环间不增加，

准则Ⅲ：普适度最大；

(17)γ₀初始值赋0；

(18)若γ与γ₀之差的绝对值大于重要性阈值Δ，则认为特征a_m重要，加入核心特征集R里，进入步骤(12)循环，直到γ与γ₀之差的绝对值小于等于重要性阈值Δ时，认为提不出重要特征，循环结束，返回R；

(19)核心特征集R中特征次序对应决策规则。

3.根据权利要求1所述的基于决策理论粗糙集的地物特征提取方法，其特征在于：所述步骤(1)中对遥感多波段数据进行预处理包括向量编码、坐标配准处理。

4.根据权利要求1所述的基于决策理论粗糙集的地物特征提取方法，其特征在于：所述步骤(2)中专家知识包括植被指数、由两个或者两个以上波段响应以一定形式组合而成的对植被长势、生物量等有指示意义的参数。

5.根据权利要求1所述的基于决策理论粗糙集的地物特征提取方法，其特征在于：所述步骤(4)中由真实地类构成的决策集，是基于地形图、专题图、规划图中的一种或多种资料结合人工实地调查，给每个像元单元赋予不同的类别数值，得到相应区域的专题类别形成的。