paperazy13
New Member
Download miễn phí Ebook Hệ thống thông tin địa lý - Geographical information system
Phương pháp phân loại theo nguyên tắc cùng tần số. Nguyên tắc là phân loại để
tạo nên các lớp cùng các hay gần cùng tần số trong mỗi lớp.Toàn bộ các đối
tượng sẽ rơi vào các lớp có trật tự ở trên hay ở dưới. Tổng số các đối tượng được
phân chia theo số lớp vàgiới hạn của từng lớp được xác định một cách chủ
quan hay ngẫu nhiên. Hạn chế của phương pháp này là ranhgiới của các lớp
không xác định được bằng toán học.
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
ó nhiều ph−ơng pháp phân loại khác nhau.Xác định quy luật phân bố tần số: có 6 mẫu phân bố cơ bản là: đồng nhất
(uniform), bình th−ờng (normal), có hai cực trị (bimodal), đ−ờng thẳng xiên
(linearly Skewed), cong (non-linear slewed), nhiều lớp (multiple clusters).
đồng nhất bình th−ờng hai cực trị
xiên (toán học) xiên cong (hình học) nhóm
Hình 32. 6 mẫu phân bố tần số thông dụng
Nếu nh− sự phân bố tần số có dạng gần với dạng đồng nhất thì có thể phân loại
một cách đơn giản theo nguyên tắc tạo các khoảng không đổi (constant
interval) hay là tạo một loạt các bậc bằng nhau. Tr−ờng hợp đó cần xác định
các giá trị cực đại, cực tiểu của tài liệu, sau đó toàn bộ dải tài liệu đ−ợc chia ra
các lớp bằng nhau.
Ph−ơng pháp phân loại theo nguyên tắc cùng tần số. Nguyên tắc là phân loại để
tạo nên các lớp cùng các hay gần cùng tần số trong mỗi lớp. Toàn bộ các đối
t−ợng sẽ rơi vào các lớp có trật tự ở trên hay ở d−ới. Tổng số các đối t−ợng đ−ợc
phân chia theo số lớp và giới hạn của từng lớp đ−ợc xác định một cách chủ
quan hay ngẫu nhiên. Hạn chế của ph−ơng pháp này là ranh giới của các lớp
không xác định đ−ợc bằng toán học.
Khi sự phân bố tần số giống với sự phân bố chuẩn thông th−ờng (normal) thì
việc phân loại có thể dựa vào giá trị trung bình trừ đi độ lệch chuẩn còn lớp thứ
hai đ−ợc xác định bằng giá trị trung bình trừ đi độ lệch chuẩn. Hai lớp khác
nằm trong dải trung bình x1 độ lệch chuẩn đến trung bình -2 độ lệch chuẩn.
Một cặp thứ 3: trung bình -1 độ lệch chuẩn và trung bình – 2 độ lệch chuẩn:
Lớp 1 đến lớp 2: từ X - 2δ đến X - 1δ
Lớp 3 đến lớp 4: từ X - 1δ đến X - 1δ
Lớp 5 đến lớp 6: từ X - 1δ đến X- 2δ
Nhìn chung, số l−ợng lớp đ−ợc phân chia ra trong sự phân bố chuẩn th−ờng là
6,4 hay 2.
Trong dạng phân bố hai cực trị, dãy t− liệu đ−ợc chia thành hai nhóm tách biệt.
Trong tr−ờng hợp này, tr−ớc hết phải tiến hành chia tài liệu thành hai nhóm rồi
chia mỗi nhóm thành các lớp theo ph−ơng pháp đã nêu ở trên.
Nếu t− liệu phân bố theo dạng đ−ờng chéo (hay đ−ờng dốc) với độ dốc t−ơng
đối ổn định. Tr−ờng hợp này phải dựa theo nguyên tắc tiến triển số học để phân
loại. Ng−ỡng của lớp thứ K đ−ợc xác định:
TK = b - (K - 1) d
ở đây: b là khoảng đầu của sự tiến triển toán học
d: hằng số tăng lên
K: hệ số (>1)
To = 0
Ranh giới của các lớp L và U đ−ợc tính:
LK = a - ∑TK - 1
UK = a - ∑TK
Ví dụ:
nếu a = 0, b = 0, d = 0 thì khi K = 1, giới hạn của lớp K = 1 là (0,10), khi lớp
K= 2 là (10, 30), K = 3 là (30, 60), K = 4 là (60, 100).
Nếu a = 0, b = 10, d = 2 thì các giới hạn đó là K1(10, 22), K2(22,36),
K3(36,52).
Trong tr−ờng hợp này, sự thay đổi về khoảng dọc theo dãy tiến triển thể hiện
h−ớng xiên của đồ thị phân bố.
Trong thực tế sự phân bố tần số của số liệu th−ờng phức tạp hơn sự phân bố
theo mẫu, đặc biệt là dạng phân bố theo nhiều nhóm (multi cluster distribution),
phức tạp nhất song lại th−ờng gặp. Trong đó, đ−ờng cong phân bố thể hiện có
nhiều lớp với chiều rộng khác nhau, nhiều cực trị khác nhau và độ cao cũng
khác nhau. Khi đó số lớp không thể tính bằng ph−ơng pháp số học mà phải tính
một cách ngẫu nhiên. Theo kinh nghiệm, có thể áp dụng cách phân lớp theo
nhánh (hierarchical clustering). Ph−ơng pháp này cho phép xác định một cách
tối −u số l−ợng lớp và ranh giới các lớp. Cách thức tiến hành nh− sau:
• B−ớc đầu mỗi đối t−ợng đ−ợc xác định là một nhóm hợp phần
• Mỗi lần làm lại thì một đối t−ợng bất kỳ có sự khác biệt nhất với nhóm
đ−ợc phát hiện và gộp với nhóm đó.
• Cứ nh− vậy, mỗi lần chia lại thì số l−ợng nhóm đ−ợc giảm đi 1, cuối
cùng toàn bộ các đối t−ợng đ−ợc thành những nhóm riêng.
Các giá trị thống kê: SSw, SSb, và tỉ số SSw/SSb đ−ợc tính cho mỗi công đoạn
(SSw là tổng của ph−ơng sai trong mỗi nhóm, SSb là tổng ph−ơng sai giữa các
nhóm, việc gộp nhóm xác định đ−ợc các đối t−ợng nào ở cùng một lớp, số
l−ợng các lớp tự nhiên đ−ợc xác định bởi đ−ờng cong của tỉ số SSw/SSb.
Góc bên phải đ−ờng cong: khi số l−ợng lớp bằng số l−ợng đối t−ợng và SS = 0,
tỉ số SSw/SSb = 0.
Góc bên trái đ−ờng cong: số l−ợng đối t−ợng = 1, SSb = 0 và tỉ số SSw/SSb = ∞
Theo nguyên tắc "ngón tay cái" thì số l−ợng các lớp đ−ợc chia dựa vào chỗ gồ
lên của đ−ờng cong. ý nghĩa là khi phân loại bắt đầu từ phía xa bên phải đ−ờng
cong, tỉ số sẽ đ−ợc tăng dần đến chỗ đ−ờng cong bị ghồ lên. Sau chỗ đó thì tại
một điểm bất kỳ, giá trị tỉ số sẽ tăng lên rất nhanh so với điểm tr−ớc nó. Sự
phân loại sẽ đ−ợc xem xét khi mà tỉ số còn thấp ở giá trị chấp nhận đ−ợc.
Với mỗi tập hợp thống kê khác nhau thì có một ph−ơng pháp phân loại thích
hợp. Vấn đề cần thiết đặt ra trong phân tích không gian là phải tìm đ−ợc
ph−ơng pháp phân loại phù hợp cho một tập hợp nhất định. Những ph−ơng pháp
đã nêu ở trên là dựa vào t− liệu thuộc tính. Nếu nh− mục tiêu phân loại là để xử
lý không gian tạo nên các mẫu không gian khác nhau thì ph−ơng pháp phân loại
lại đ−ợc áp dụng theo nguyên tắc khác.
Trong tr−ờng hợp cá đối t−ợng bản đồ là các polygon, có thể áp dụng hệ số
phân chia (fracmentation index) để phân loại:
1
1
−
−=
n
mρ
ở đây: ρ: hệ số phân chia nhỏ
m: số vùng tiếp giáp trên bản đồ
n: số đơn vị bản đồ gốc
Đối với thuộc tính của polygon, n là số l−ợng polygon tr−ớc khi phân loại và tẩy
sạch, m là số l−ợng polygon sau khi phân loại và tẩy sạch (ph−ơng pháp đã nêu
ở trên). Giá trị của m luôn nhỏ hơn hay bằng n và giá trị ρ thay đổi từ 0 – 1.
Về lý thuyết thuần tuý, khi m = n thì sự phân loại tạo nên kết quả là mỗi
polygon trong một lớp thì khác với toàn bộ các polygon kế cận. Trong tr−ờng
hợp này, hệ số phân chia mảnh ρ có giá trị là 1 thì tạo nên số l−ợng tối đa các
mảnh trong kết quả phân loại, với xu h−ớng khác thì toàn bộ các polygon đ−ợc
phân loại thành chính các polygon đã có trên bản đồ tổng hợp. Vì khi m = 1, ρ
= 0 khi đó các polygon là không đổi. Ví dụ sau sẽ minh hoạ rõ cho ph−ơng
pháp phân loại này.
4
4
43
3
1
1
12 2
9
12 12 129
11 10
8
5 5
5
7
7
8
8
A
B
1-3
4-9
10-12
1-4
5-8
9-12
Hình 33. Phân chia bản đồ thành các vùng theo hệ số chia mảnh khác nhau
Bản đồ gốc có cấu trúc l−ới 5 x 5, mỗi ô có giá trị xác định.
Trong cả hai kết quả, bản đồ đều chia thành 3 lớp
ở A: ρ = (8-1)(25 -1) = 0,29 (số vùng nhiều hơn = 8)
ở B: ρ = (3-1)(25 -1) = 0,08 (số vùng ít hơn = 3)
Để tiện áp dụng, trong xử lý không gian, việc điều khiển một lớp thông tin và
nhiều lớp thông tin đ−ợc tách thành hai chức năng riêng biệt trong phần mềm
HTTĐL. Tuy nhiên đa số trong thực tiễn, hai việc này đều phải đ−ợc thực hiện
trong xử lý không gian.
Điều khiển một lớp thông tin th−ờng là b−ớc chuẩn bị t− liệu hay là biến đổi
các t− liệu gốc theo từng lớp đ