K-Means算法改進及其在森林健康評價中的應(yīng)用.pdf

1、本文針對經(jīng)典K-Means算法存在的一些缺陷，結(jié)合森林健康評價指標選取的實際情況，對經(jīng)典K-Means算法進行了一系列的改進，并將改進的K-Means算法作為森林健康評價的方法應(yīng)用于森林健康評價，這對提高森林健康評價結(jié)果的精確度有著很強的理論和現(xiàn)實意義。本文主要的研究內(nèi)容和研究結(jié)論包括:
　　(1)通過分析和對比各種聚類分析算法及其經(jīng)典K-Means算法的聚類思想及基本流程，總結(jié)出經(jīng)典K-Means算法所具有的優(yōu)點與缺陷;

2、　　(2)針對經(jīng)典K-Means聚類算法的不足，提出了基于維方差排序的K-Means改進算法，同時采用最小距離代價函數(shù)確定聚類劃分簇數(shù)K值，以增加算法在選取初始聚類中心時的合理性，提高聚類結(jié)果的準確度;
　　(3)采用國際通用的Iris、Glass、Wine和Ecoli四個數(shù)據(jù)集作為測試數(shù)據(jù)集，利用數(shù)值模擬對提出的基于維方差排序的K-Means算法進行了檢驗。結(jié)果表明:優(yōu)化改進后的算法所選取的初始聚類中心十分接近于聚類迭代后最終收

3、斂的聚類中心，并且聚類結(jié)果相對于經(jīng)典K-Means聚類算法更具穩(wěn)定性。
　　(4)結(jié)合研究對象——湖南省大圍山自然保護區(qū)的實際情況，以科學(xué)理論為依據(jù)，選取林分郁閉度等13個指標來構(gòu)建大圍山區(qū)域的森林健康評價指標體系，并采用基于知識粒度的權(quán)重確定方法對各項指標進行權(quán)重確定。將改進的基于維方差排序K-Means算法應(yīng)用到森林健康評價中，獲得了比較理想的評價結(jié)果，并對評價結(jié)果進行了分析，相比傳統(tǒng)的健康公式法計算綜合值進行評價分析，更具實