计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
12期
225-228
,共4页
钱育蓉%贾振红%于炯%杨峰%段文亮
錢育蓉%賈振紅%于炯%楊峰%段文亮
전육용%가진홍%우형%양봉%단문량
高光谱特征提取%反向反馈(BP)人工神经网络%红边特征%窄波段光谱
高光譜特徵提取%反嚮反饋(BP)人工神經網絡%紅邊特徵%窄波段光譜
고광보특정제취%반향반궤(BP)인공신경망락%홍변특정%착파단광보
利用高分辨率光谱仪在实地测得的光谱数据来识别新疆阜康地区的 7 种典型荒漠草种,对原始高光谱数据作预处理(微分和平滑),选取典型荒漠植被的光谱特征(红边、绿峰、红谷、RVI 等)作为输入数据,植被类型作为输出数据,构建基于 BP 神经网络模型的典型荒漠草地分类器,进行了三组基于高光谱特征的草地类型分类实验,蛄果表明:(1)红边特征较其余吸收特征更能获得精确的分类结果;(2)波段 550~790 nm 间的窄波段光谱分类间隔中,20 nm 优于 10 nm 的间隔;(3)草地分类器中 BP 网络模型的输入层、隐藏层神经元个数与 BP 网络训练时间、精度具有复杂的耦合关系,不可一概而论.
利用高分辨率光譜儀在實地測得的光譜數據來識彆新疆阜康地區的 7 種典型荒漠草種,對原始高光譜數據作預處理(微分和平滑),選取典型荒漠植被的光譜特徵(紅邊、綠峰、紅穀、RVI 等)作為輸入數據,植被類型作為輸齣數據,構建基于 BP 神經網絡模型的典型荒漠草地分類器,進行瞭三組基于高光譜特徵的草地類型分類實驗,蛄果錶明:(1)紅邊特徵較其餘吸收特徵更能穫得精確的分類結果;(2)波段 550~790 nm 間的窄波段光譜分類間隔中,20 nm 優于 10 nm 的間隔;(3)草地分類器中 BP 網絡模型的輸入層、隱藏層神經元箇數與 BP 網絡訓練時間、精度具有複雜的耦閤關繫,不可一概而論.
이용고분변솔광보의재실지측득적광보수거래식별신강부강지구적 7 충전형황막초충,대원시고광보수거작예처리(미분화평활),선취전형황막식피적광보특정(홍변、록봉、홍곡、RVI 등)작위수입수거,식피류형작위수출수거,구건기우 BP 신경망락모형적전형황막초지분류기,진행료삼조기우고광보특정적초지류형분류실험,고과표명:(1)홍변특정교기여흡수특정경능획득정학적분류결과;(2)파단 550~790 nm 간적착파단광보분류간격중,20 nm 우우 10 nm 적간격;(3)초지분류기중 BP 망락모형적수입층、은장층신경원개수여 BP 망락훈련시간、정도구유복잡적우합관계,불가일개이론.