本文選題：多光譜遙感影像 + 智能分類算法��； 參考：《系統(tǒng)工程理論與實踐》2017年03期

【摘要】：智能分類算法是遙感影像分類研究的熱點,遺傳算法作為一種智能全局優(yōu)化技術(shù)在遙感影像分類中具有良好應(yīng)用前景.針對現(xiàn)有多光譜遙感影像分類方法的不足,提出了基于自適應(yīng)遺傳算法的超平面分類方法(hyper plane-adaptive genetic algorithm,HP-AGA)并應(yīng)用于遙感影像分類,該方法利用神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元激活函數(shù)Sigmoid函數(shù),對遺傳算法中交叉率、變異率進行非線性自適應(yīng)性調(diào)整,不再需要反復(fù)訓(xùn)練遺傳參數(shù),同時利用快速全局尋優(yōu)特點,確定分類超平面的各個位置參數(shù),從而獲取最佳分類超平面集進行分類.多光譜遙感影像分類方法的應(yīng)用實驗表明,基于自適應(yīng)遺傳算法的超平面遙感分類方法能更快、更穩(wěn)定地收斂到全局最優(yōu)解,具有更好的效率及魯棒性,并能取得優(yōu)于簡單遺傳超平面分類算法及傳統(tǒng)分類方法的分類精度.
[Abstract]:Intelligent classification algorithm is a hot topic in remote sensing image classification. As an intelligent global optimization technology, genetic algorithm has a good application prospect in remote sensing image classification.In view of the shortcomings of the existing multispectral remote sensing image classification methods, a hyperplane plane-adaptive genetic algorithm based on adaptive genetic algorithm (AGA) is proposed and applied to the classification of remote sensing images. The neural activation function (Sigmoid) is used in this method.The crossover rate and mutation rate in genetic algorithm are adjusted by nonlinear self-adaptability, and the genetic parameters need not be trained again and again. At the same time, by using the characteristics of fast global optimization, the location parameters of the classification hyperplane are determined.In order to obtain the best classification hyperplane set for classification.The application experiments of multi-spectral remote sensing image classification method show that the hyperplane remote sensing classification method based on adaptive genetic algorithm can converge to the global optimal solution more quickly and stably, and has better efficiency and robustness.The classification accuracy is better than that of simple genetic hyperplane classification algorithm and traditional classification method.
【作者單位】： 中南大學(xué)地球科學(xué)與信息物理學(xué)院中南大學(xué)空間信息技術(shù)與可持續(xù)發(fā)展研究中心;長沙市發(fā)展和改革委員會;Department
【基金】：國家自然科學(xué)基金(41171326,40771198)~~
【分類號】：TP18;TP751

【相似文獻】

相關(guān)期刊論文 前6條

1 周娜;宓為建;徐子奇;舒帆;;基于改進型自適應(yīng)遺傳算法求解設(shè)備多行布局問題[J];上海交通大學(xué)學(xué)報;2013年12期

2 李麗娟;陽瓊;;粗糙自適應(yīng)遺傳算法在圖像恢復(fù)中的應(yīng)用[J];計算機應(yīng)用;2011年05期

3 陳文英;褚福磊;閻紹澤;;基于自適應(yīng)遺傳算法分步優(yōu)化設(shè)計智能桁架結(jié)構(gòu)自抗擾振動控制器[J];機械工程學(xué)報;2010年07期

4 王君澤;四維空間一般位置超平面上的直角輔助投射[J];工程圖學(xué)學(xué)報;1991年02期

5 李啟青,馬建文,哈斯巴干,劉志麗,韓秀珍;遙感數(shù)據(jù)的遺傳-超平面分割算法[J];遙感學(xué)報;2003年06期

6 李啟青;程承旗;;改進的多維遙感數(shù)據(jù)的自適應(yīng)遺傳超平面分類器算法[J];電子與信息學(xué)報;2005年12期

相關(guān)碩士學(xué)位論文 前2條

1 王玉波;帶有返工工件的單機重調(diào)度問題[D];東北大學(xué);2014年

2 徐艷艷;自適應(yīng)遺傳超平面分類算法及遙感應(yīng)用[D];中南大學(xué);2013年

，

本文編號：1734557