本文選題：遙感　切入點(diǎn)：影像分類　出處：《數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)》2017年02期

【摘要】：遙感影像分類作為遙感技術(shù)的一個(gè)重要應(yīng)用,對(duì)遙感技術(shù)的發(fā)展具有重要作用.針對(duì)遙感影像數(shù)據(jù)特點(diǎn),在目前的非線性研究方法中主要用到的是BP神經(jīng)網(wǎng)絡(luò)模型.但是BP神經(jīng)網(wǎng)絡(luò)模型存在對(duì)初始權(quán)閾值敏感、易陷入局部極小值和收斂速度慢的問題.因此,為了提高模型遙感影像分類精度,提出采用MEA-BP模型進(jìn)行遙感影像數(shù)據(jù)分類.首先采用思維進(jìn)化算法代替BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行初始尋優(yōu),再用改進(jìn)BP算法對(duì)優(yōu)化的網(wǎng)絡(luò)模型權(quán)閾值進(jìn)一步精確優(yōu)化,隨后建立基于思維進(jìn)化算法的BP神經(jīng)網(wǎng)絡(luò)分類模型,并將其應(yīng)用到遙感影像數(shù)據(jù)分類研究中.仿真結(jié)果表明,新模型有效提高了遙感影像分類準(zhǔn)確性,為遙感影像分類提出了一種新的方法,具有廣泛研究價(jià)值.
[Abstract]:As an important application of remote sensing technology, remote sensing image classification plays an important role in the development of remote sensing technology.According to the characteristics of remote sensing image data, BP neural network model is mainly used in the current nonlinear research methods.But the BP neural network model is sensitive to the initial weight threshold, easy to fall into the local minimum and slow convergence speed.Therefore, in order to improve the accuracy of remote sensing image classification, MEA-BP model is used to classify remote sensing image data.First, the thought evolution algorithm is used to replace the BP neural network algorithm for initial optimization, then the improved BP algorithm is used to optimize the weight threshold of the optimized network model. Then, the classification model of BP neural network based on the thought evolution algorithm is established.It is applied to the classification of remote sensing image data.The simulation results show that the new model can effectively improve the accuracy of remote sensing image classification and provide a new method for remote sensing image classification.
【作者單位】： 鄂爾多斯應(yīng)用技術(shù)學(xué)院;
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃恩興;;遙感影像分類結(jié)果的不確定性研究[J];中國農(nóng)學(xué)通報(bào);2010年05期

2 賈坤;李強(qiáng)子;田亦陳;吳炳方;;遙感影像分類方法研究進(jìn)展[J];光譜學(xué)與光譜分析;2011年10期

3 朱丹瑤;;遙感影像分類方法研究[J];黑龍江科技信息;2012年33期

4 孫立新,羅高平,張怡梅;遙感影像分類的歸類學(xué)習(xí)方法[J];測繪工程;1998年03期

5 李爽,丁圣彥,許叔明;遙感影像分類方法比較研究[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年02期

6 黃艷;張超;蘇偉;岳安志;;合理尺度紋理分析遙感影像分類方法研究[J];國土資源遙感;2008年04期

7 付博;謝振紅;鄧彩群;;改進(jìn)的角度余弦方法在濕地遙感影像分類中的應(yīng)用[J];吉林建筑工程學(xué)院學(xué)報(bào);2010年04期

8 楊慧;鄭思莉;唐赫;朱文謙;程戰(zhàn)員;;面向?qū)ο蟮奈錆h市街區(qū)公共遙感影像分類研究[J];軟件導(dǎo)刊;2014年01期

9 楊玉靜;馮建輝;;紋理特征提取及輔助遙感影像分類技術(shù)研究[J];海洋測繪;2008年04期

10 李小濤;潘世兵;宋小寧;;基于地質(zhì)統(tǒng)計(jì)學(xué)紋理特征的遙感影像分類方法研究[J];地理與地理信息科學(xué);2009年02期

相關(guān)會(huì)議論文 前10條

1 劉忠陽;陳懷亮;杜子璇;鄒春輝;;基于決策樹方法的Landsat7 ETM+遙感影像分類研究[A];農(nóng)業(yè)生態(tài)與衛(wèi)星遙感應(yīng)用技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2006年

2 王珊珊;季民;高潔;焦其松;;CBR方法在高分辨率遙感影像分類中的應(yīng)用[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

3 湯家法;;基于可拓分類器的遙感影像分類[A];第十七屆中國遙感大會(huì)摘要集[C];2010年

4 巫兆聰;;RBF網(wǎng)絡(luò)的粗糙表示與遙感影像分類應(yīng)用[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

5 楊劍;蒲英霞;何一鳴;;基于Getis的遙感影像分類研究[A];中國地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

6 趙泉華;宋偉東;鮑勇;;基于分形紋理的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];中國儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

7 王梁;韓坤英;;分形理論在遙感影像分類中的應(yīng)用[A];第十二屆全國數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會(huì)論文集[C];2013年

8 汪東川;龔建華;張利輝;;基于時(shí)間序列軌跡分析的遙感影像分類結(jié)果聯(lián)合校正[A];第十七屆中國遙感大會(huì)摘要集[C];2010年

9 羅小波;劉明皓;;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];2006年中國土地學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2006年

10 ;結(jié)合光譜、紋理與形狀特征的高空間分辨率遙感影像分類(英文)[A];中國測繪學(xué)會(huì)第九次全國會(huì)員代表大會(huì)暨學(xué)會(huì)成立50周年紀(jì)念大會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前9條

1 王巍;基于Agent的遙感影像分類方法及其應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2016年

2 任廣波;基于半監(jiān)督學(xué)習(xí)的遙感影像分類技術(shù)研究[D];中國海洋大學(xué);2010年

3 譚琨;基于支持向量機(jī)的高光譜遙感影像分類研究[D];中國礦業(yè)大學(xué);2010年

4 巫兆聰;粗集理論在遙感影像分類中的應(yīng)用[D];武漢大學(xué);2004年

5 易俐娜;面向?qū)ο筮b感影像分類不確定性分析[D];武漢大學(xué);2011年

6 胥海威;基于改進(jìn)隨機(jī)聚類決策森林算法的遙感影像分類研究[D];中南大學(xué);2012年

7 徐盛;基于主題模型的高空間分辨率遙感影像分類研究[D];上海交通大學(xué);2012年

8 劉志剛;支撐向量機(jī)在光譜遙感影像分類中的若干問題研究[D];武漢大學(xué);2004年

9 丁勝;智能優(yōu)化算法在高光譜遙感影像分類中的應(yīng)用研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 吳聰;面向?qū)ο蟮母叻直媛蔬b感影像分類在衛(wèi)片執(zhí)法中的應(yīng)用研究[D];昆明理工大學(xué);2015年

2 周楊;面向?qū)ο蟮母叻直媛蔬b感影像分類技術(shù)研究[D];中國地質(zhì)大學(xué)(北京);2015年

3 李奇峰;結(jié)合多特征描述和SVM的遙感影像分類研究[D];鄭州大學(xué);2015年

4 宋曉陽;面向?qū)ο蟮倪b感分類系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2014年

5 張靜;西北旱區(qū)遙感影像分類方法研究[D];西北農(nóng)林科技大學(xué);2016年

6 王慧;融合各最優(yōu)尺度下特征的高分辨率遙感影像分類[D];南京信息工程大學(xué);2016年

7 姚嘯;面向?qū)ο蟮母叻诌b感影像分類在森林蓄積量估測中的應(yīng)用研究[D];西安科技大學(xué);2015年

8 麥超;基于稀疏約束受限玻爾茲曼機(jī)的高分辨率遙感影像分類[D];長安大學(xué);2016年

9 崔姍姍;基于Hadoop平臺(tái)下森林景觀遙感影像分類技術(shù)研究[D];東北林業(yè)大學(xué);2016年

10 陳珂;遙感影像分類結(jié)果的空間抽樣精度檢驗(yàn)方法研究[D];上海海洋大學(xué);2016年

，

本文編號(hào)：1707351