基于叶脉聚类分析技术的叶片快速分类(2)

　　分析发现当类别数目越大时，距离越小，即类别数目越大，会使得分类结果越精确。这样就可以推测出，当每种树叶都分为单独一类时，所得的分类结果最满意，显然这种情况在实际情况下是行不通的，根本就没有达到将树叶分类的目的，也就是说分类并不是越细越好，因此应该找到一个分类的平衡点使得分类更具合理性，更加有效。在这4种分类中，分2类和3类时的距离比较大，分4类、5类的距离都比较小，结果都比较合理，而一般的分类，分4类就差不多了，分5类的话会显得多余，所以经过综合考虑，研究决定将这25种树的树叶分成了4类，结果如表2所示。
　　3.2.2叶形与树枝轮廓的相关性运用SPSS软件对树枝密度和叶片密度进行相关性分析，所得结果见表3。首先假设树叶形状与树枝轮廓没有联系，由相关性分析结果可知，两种密度的Pearson相关系数为0.765，树干特征与叶片特征不相关的假设检验值为0.016，显然，这个结果是在置信水平为0.05对应的置信空间之外，所以假设不成立，即树叶的形状与树枝轮廓有一定的相关性。
　　4小结
　　研究在Blonder等[6]的叶脉数学模型的基础上，提出了一种切实有效的叶片分类方法，从内因和外因两方面分析了叶片形状的影响因素，得到如下结论。
　　1）测定了25种树叶叶片的密度（σ）、距离（d）和圈数（ξ），并依据其中的密度（σ）以及距离（d）分别进行了层次聚类分析，观察得出利用这两个因素进行分类差别不大，因而选取距离（d）对树叶进行分类，综合考虑精确度和有效性，最终得出将这些叶片分为4类更加合理。
　　2）考虑影响叶片形状多样性的内部及外部原因，基于叶片光合作用及曝光率讨论了影响叶片形状的不同因素，运用能量转化理论分析发现，叶片的曝光率大小会影响叶片的形状；继而提取9棵树的树干及树叶特征值并进行相关性分析，结果表明，树叶的形状与树枝轮廓形状有一定的相关性。
　　参考文献：
　　[1]李志英，梁艳荣，胡晓红.梨不同系统叶气孔的密度、大小与起源地气象因子的关系[J].内蒙古农业科技，1994（5）：31-32.
　　[2]杨传友，史金生，村欣阁，等.苹果叶片气孔的研究[J].山东农业大学学报，1998，29（1）：8-14.
　　[3]吕政涛.一项有趣的观察——叶形与树形的相关[J].落叶果树，1986（4）：34.
　　[4]PIERCES，CERIANIRM，ANDREISDE，etal.TheleafeconomicsspectrumofPoaceaereflectsvariationinsurvivalstrategies[J].PlantBiosystems，2007，141（3）：337-343.
　　[5]KARLIKJF，WINERAM.Comparisonofcalculatedandmeasuredleafmassesofurbantrees[J].EcologicalApplications，9（4）：1168-1176.
　　[6]BLONDERB，VIOLLEC，BENTLEYLP，etal.Venationnetworksandtheoriginoftheleafeconomicsspectrum[J].EcologyLetters，2011，14（2）：91-100.
　　[7]段明秀.层次聚类算法的研究及应用[D].长沙：中南大学，2009.
　　[8]贾瑞玉，查丰，耿锦威，等.一种基于引力的分层聚类算法[J].计算机技术与发展，2011，21（3）：76-79.
　　[9]NOWAKDI.Notes：estimatingleafareaandleafbiomassofopen-growndeciduousurbantrees[J].ForestScience，1996，42（4）：504-507.
　　[10]刘兆刚，刘继明，李凤日，等.樟子松人工林树冠结构的分形分析[J].植物研究，2005，25（4）：465-470.