西南科技大学学报
西南科技大學學報
서남과기대학학보
JOURNAL OF SOUTHWEST CHINA INSTITUTE OF TECHNOLOGY
2010年
3期
55-59
,共5页
可华明%陈朝镇%张新合%王金亮
可華明%陳朝鎮%張新閤%王金亮
가화명%진조진%장신합%왕금량
遗传算法%BP人工神经网络%主成分分析%遥感图像分类
遺傳算法%BP人工神經網絡%主成分分析%遙感圖像分類
유전산법%BP인공신경망락%주성분분석%요감도상분류
在高原山地等地类复杂地区,传统遥感分类方法和标准BP神经网络分类方法存在一定的局限性,提出了基于Matlab的遗传算法优化的BP人工神经网络遥感图像分类方法.以Matlab神经网络和遗传算法工具箱为平台,在对数据源进行主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目和初始权重,并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出.结果表明,该方法分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性.
在高原山地等地類複雜地區,傳統遙感分類方法和標準BP神經網絡分類方法存在一定的跼限性,提齣瞭基于Matlab的遺傳算法優化的BP人工神經網絡遙感圖像分類方法.以Matlab神經網絡和遺傳算法工具箱為平檯,在對數據源進行主成分分析特徵選擇的基礎上,用量化共軛梯度法改進標準BP算法,採用GA優化BP網絡的隱層神經元數目和初始權重,併以香格裏拉縣ETM+遙感圖像為例,在DEM地形數據輔助下,訓練網絡使其收斂,倣真輸齣.結果錶明,該方法分類總精度為84.52%,Kappa繫數為0.8317,比最大似然法分類精度提高瞭9.08箇百分點,驗證瞭GA優化的BP網絡遙感圖像分類的可行性和有效性.
재고원산지등지류복잡지구,전통요감분류방법화표준BP신경망락분류방법존재일정적국한성,제출료기우Matlab적유전산법우화적BP인공신경망락요감도상분류방법.이Matlab신경망락화유전산법공구상위평태,재대수거원진행주성분분석특정선택적기출상,용양화공액제도법개진표준BP산법,채용GA우화BP망락적은층신경원수목화초시권중,병이향격리랍현ETM+요감도상위례,재DEM지형수거보조하,훈련망락사기수렴,방진수출.결과표명,해방법분류총정도위84.52%,Kappa계수위0.8317,비최대사연법분류정도제고료9.08개백분점,험증료GA우화적BP망락요감도상분류적가행성화유효성.
