计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2011年
3期
1170-1172,1182
,共4页
分类%自组织特征映射%神经网络%遗传算法%遥感图像
分類%自組織特徵映射%神經網絡%遺傳算法%遙感圖像
분류%자조직특정영사%신경망락%유전산법%요감도상
针对自组织特征神经网络自身算法的特点和缺陷,采用遗传算法对网络进行改进,形成了基于遗传算法的自组织特征神经网络,并从输入向量、竞争层神经元数量设置和初始权向量设定三方面,结合遥感图像的特性对自组织特征映射网络遥感图像分类的方法进行了改进.将该方法应用于选择西安地区的ETM+卫星遥感图像进行分类实验.结果表明,基于遗传算法的自组织特征映射网络使得遥感图像的分类精度更高,且该算法实现简单,具有一定的工程应用价值.
針對自組織特徵神經網絡自身算法的特點和缺陷,採用遺傳算法對網絡進行改進,形成瞭基于遺傳算法的自組織特徵神經網絡,併從輸入嚮量、競爭層神經元數量設置和初始權嚮量設定三方麵,結閤遙感圖像的特性對自組織特徵映射網絡遙感圖像分類的方法進行瞭改進.將該方法應用于選擇西安地區的ETM+衛星遙感圖像進行分類實驗.結果錶明,基于遺傳算法的自組織特徵映射網絡使得遙感圖像的分類精度更高,且該算法實現簡單,具有一定的工程應用價值.
침대자조직특정신경망락자신산법적특점화결함,채용유전산법대망락진행개진,형성료기우유전산법적자조직특정신경망락,병종수입향량、경쟁층신경원수량설치화초시권향량설정삼방면,결합요감도상적특성대자조직특정영사망락요감도상분류적방법진행료개진.장해방법응용우선택서안지구적ETM+위성요감도상진행분류실험.결과표명,기우유전산법적자조직특정영사망락사득요감도상적분류정도경고,차해산법실현간단,구유일정적공정응용개치.
