宜春学院学报
宜春學院學報
의춘학원학보
JOURNAL OF YICHUN UNIVERSITY
2010年
4期
1-4
,共4页
GA%BP人工神经网络%主成分分析%遥感图像分类
GA%BP人工神經網絡%主成分分析%遙感圖像分類
GA%BP인공신경망락%주성분분석%요감도상분류
在高原山地地区,传统遥感分类方法分类精度低,而标准BP神经网络分类方法在实际应用中也难以胜任.探讨对数据源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、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,其分类总精度为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.
在高原山地地區,傳統遙感分類方法分類精度低,而標準BP神經網絡分類方法在實際應用中也難以勝任.探討對數據源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、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,其分類總精度為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.
재고원산지지구,전통요감분류방법분류정도저,이표준BP신경망락분류방법재실제응용중야난이성임.탐토대수거원주성분분석특정선택적기출상,용양화공액제도법개진표준BP산법,채용GA우화BP망락적은층신경원수목、초시권중.병이향격리랍현ETM+요감도상위례,재DEM지형수거보조하,훈련망락사기수렴,방진수출.결과표명,기분류총정도위84.52%,Kappa계수위0.8317,비최대사연법분류정도제고료9.08개백분점,험증료GA우화적BP망락요감도상분류적가행성화유효성.
