科技信息（科技教育版）
科技信息（科技教育版）
과기신식（과기교육판）
SCIENCE & TECHNOLOGY INFORMATION
2006年
11期
211-212
,共2页
BP神经网络%高阶神经网络%图像识别
BP神經網絡%高階神經網絡%圖像識彆
BP신경망락%고계신경망락%도상식별
BP网络的分类方法被广泛应用于遥感图像分类,但它存在局部最小值、隐含层节点数及训练速度等问题.高阶神经网络从一定意义上克服了这些缺点,取得比较好的分类效果.本文提出了对高阶神经网络算法的改进,将高阶神经网络作进一步扩展,使其特征数的局限减少,并结合自适应方法,使分类细化,且速度不会影响太大.本文简单介绍了BP网络和高阶神经网络各自的特点;详细描述了改进后的算法,提出对原有的学习方法速度的提高办法;最后分析了应用此算法识别图像的优势和灵活性.
BP網絡的分類方法被廣汎應用于遙感圖像分類,但它存在跼部最小值、隱含層節點數及訓練速度等問題.高階神經網絡從一定意義上剋服瞭這些缺點,取得比較好的分類效果.本文提齣瞭對高階神經網絡算法的改進,將高階神經網絡作進一步擴展,使其特徵數的跼限減少,併結閤自適應方法,使分類細化,且速度不會影響太大.本文簡單介紹瞭BP網絡和高階神經網絡各自的特點;詳細描述瞭改進後的算法,提齣對原有的學習方法速度的提高辦法;最後分析瞭應用此算法識彆圖像的優勢和靈活性.
BP망락적분류방법피엄범응용우요감도상분류,단타존재국부최소치、은함층절점수급훈련속도등문제.고계신경망락종일정의의상극복료저사결점,취득비교호적분류효과.본문제출료대고계신경망락산법적개진,장고계신경망락작진일보확전,사기특정수적국한감소,병결합자괄응방법,사분류세화,차속도불회영향태대.본문간단개소료BP망락화고계신경망락각자적특점;상세묘술료개진후적산법,제출대원유적학습방법속도적제고판법;최후분석료응용차산법식별도상적우세화령활성.
