论文部分内容阅读
为了挑选合理的学习样本，增强决策树模型在耕地评价应用的有效性，运用聚类方法挑选学习样本，用改进C5．0决策树算法建立耕地评价模型，提出一种新的评价思路。运用此方法以广东省龙川县耕地为研究对象，以试验法挑选出6种聚类结果的学习样本，确定4000个样本作为最终的学习样本；利用决策代价权重来改进决策树评价模型，最终建立的评价模型的预测精度达到94．92％，满足了实际情况的需要。试验结果表明综合运用聚类和决策树模型进行耕地评价是可行的，其建立的评价模型具有精度高、鲁棒性和易理解性等特点。