地质学论文_基于半监督机器学习的滑坡易发性预 - 齐齐哈尔大学学报（自然科学版）杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

地质学论文_基于半监督机器学习的滑坡易发性预

作者:

关键词:

摘要：

文章摘要:为了克服滑坡编录样本不足、扩充滑坡样本较困难、主观随机选择的非滑坡样本准确性较低等缺点，以江西省南康区为例，拟用半监督卡方自交互侦测决策树（SSCHAID）和半监督反向传播神经网络（SSBPNN）进行滑坡易发性预测（LSP）,在已知滑坡样本和随机选取的非滑坡样本基础上，用全监督机器学习将初始LSP划分成不同级别；将高分辨率遥感影像和初始滑坡易发性图中的极高易发区叠加，筛选一定数量的潜在滑坡栅格单元扩充滑坡样本；从极低易发区选取非滑坡栅格单元组合成新的输出变量；将新的输出变量导入全监督机器学习，获得最终LSP并评价其精度.结果表明：半监督机器学习的LSP精度远高于全监督机器学习的LSP精度.

文章关键词:

项目基金:《齐齐哈尔大学学报（自然科学版）》网址: http://www.qqhedxxb.cn/qikandaodu/2021/1007/741.html