摘 要

本文基于面向对象遥感技术，分析北京市2005年至2014年的用地类型变化情况，在统计每一地类对象多级领域的基础上，分别运用单蚁群算法与多蚁群算法对地理元胞自动机的转换规则进行挖掘，并用串行多蚁群算法弥补了单蚁群局部收敛的缺点，提取出一套转换规则并用实际数据验证得到的转换规则，并对规则的有效性进行评价，由此对本方案的改进策略进行的分析

研究结果表明：多蚁群算法在地理矢量元胞自动机的转换规则挖掘中可以获得查准率较好的规则，并且能够有在一定程度上弥补单蚁群算法固有的随机性和局部收敛的缺点。

本文的特色：

1. 针对单蚁群算法固有的随机性与容易局部收敛的特性，本文提出利用串行单蚁群算法弥补单蚁群算法在挖掘转换规则的过程中的随机性与局部收敛性，使得挖掘到的转换规则更加符合实际的情况。
2. 对于多级邻域中不容易匹配出好的规则的情况，本文分别用C5算法和主成分分析法对邻域信息进行了约减，并对比两种算法的结果与第三方软件的结果进行对比，择优选择约减策略。
3. 对一般的蚁群算法用于数据挖掘的搜索节点选择了获取样本数据的唯一值，这样对于得到的规则对实际情况的描述不完整，本文提出自己构造完整的收缩节点，用于蚂蚁搜索

关键词：地理矢量元自动机；面向对象遥感；数据挖掘；多蚁群算法

Abstract

This paper is based on the object oriented remote sensing technology to analyze the changes of land use types in Beijing from 2005 to 2014. Based on the statistical object of each class of multilevel field. By using single ant colony algorithm and multi ant colony algorithm to mine the convert rules of cellular automata. The serial multi ant colony algorithm is used to make up the shortcoming of local convergence of single ant colony. Extract a set of convert rules and use the actual data to verify the conversion rules.After evaluating the validity of the rules,and propose some solutions to the problems.

The results show that the multi ant colony algorithm in the vector geographic cellular automata transition rules mining can obtain more precise rules, and can able to make up for the disadvantages of single ant colony algorithm inherent randomness and local convergence in a certain extent.

Characteristics of this article:

(1) In order to solve the inherent randomness and easily local convergence properties of single ant colony algorithm, this paper propose a method by using serial single ant colony algorithm for single ant colony algorithm in mining transition rules in the process of random and local convergence, which makes the conversion rules mining to accord with the actual situation.

(2) Because multi-level neighborhood is not easy to match a good rule. In this paper, we use the C5 algorithm and principal component analysis method to reduce the neighborhood information, chooseing reduction strategy by the comparison of the two algorithms and the third party software,.

(3) On the average, ant colony algorithm for data mining searching node select to obtain sample data of the unique value. In this way, the rules of the actual situation is not described completely. In this paper, we propose to construct a complete contraction node, which is used to search the ants.

Key Words: geographical vector machine, object oriented remote sensing, data mining,multi ant colony algorithm

目 录

第1章 绪论 1

1.1研究背景、目的与意义 1

1.1.1 研究背景 1

1.1.2研究目的与意义 1

1.2国内外研究现状 2

1.2.1矢量元胞自动机研究现状 2

1.2.1.1矢量元胞的定义 2

1.2.1.2矢量元胞邻域的定义 3

1.2.1.3矢量元胞转换规则的获取 3

1.2.2 蚁群算法用于数据挖掘领域研究现状 3

1.3 论文研究内容与组织结构 4

第2章 矢量元胞自动机的构建过程 6

2.1 传统基于像元的元胞自动机模型 6

2.2 基于面向对象的矢量元胞自动机模型 8

2.3 本章小结 9

第3章 矢量元胞自动机的原理与实现 10

3.1 研究区域介绍 11

3.2 专题图层的作用 12

3.3 基于专题图层的多尺度分割 12

3.4 各地类的最佳分割尺度确定 13

3.5 影像分类与结果矫正 13

3.6 计算元胞邻域 14

3.7 计算元胞转换类型 15

3.8 最终数据集形式 15

3.9 规则集形式 16

3.10 本章小结 16

第4章 蚁群算法的基本思想与基本原理 17

4.1 规则构造 18

4.1.1 初始参数设计 18

4.1.2 启发函数设计 18

4.1.3 alpha beta 参数设计 19

4.1.4 算法收敛与结束条件 19

4.1.5 构建路径 20

4.2 规则质量判断 20

4.3 信息素浓度更新 20

4.4蚁群算法改进策略 21

4.4.1 属性约简策略 21

4.4.2 空节点策略 22

4.4.3 节点值穷举策略 23

4.4.4 将验证集加入到规则覆盖样本的计算 24

4.4.5 规则至少覆盖样本数递减策略 24

第5章 蚁群算法用于规则挖掘的设计与实现 25

5.1 蚁群算法流程设计 25

5.2 分类结果输出与评价 28

5.3 本章小结 28

第6章 总结与展望 30

6.1 本文总结 30

6.2 展望 30

参考文献 32

致 谢 32

第1章 绪论

1.1研究背景、目的与意义

1.1.1 研究背景

近年来，随着遥感影像的分辨率的提高，影像中包含的信息越来越多，传统遥感影像处理方法已经远远不能满足信息的挖掘深度基于对如上问题的认识，很多学者提出了基于面向对象遥感的思想。尤其是在土地利用覆盖与变化的研究中，面向对象思想的优势尤其显著。

元胞自动机的核心思想表达的是对象在其周围满足一定的条件时，倾向于往某一特定的方向转换，在此思想上，主要有两种类型的元胞，一是基于像元的，另外一种是基于面向对象的。在基于像元的元胞自动机的实际应用中，包括竞争、生长、进化、消息传递等。在gis领域，基于像元的元胞自动机比较多的是用于图像分割和预测。而基于面向对象的元胞自动机的应用还比较少，主要是用于预测对象的转变趋势。

在蚁群算法的研究中，多是利用蚁群算法来解决旅行商（TSP）问题，其基本思想就是仿照蚂蚁的觅食过程与蚂蚁之间的交流，从而得到手链后的一条最优的路径，而将蚁群算法用于数据挖掘领域还比较少。