本文選題：極限學(xué)習(xí)機(jī) + 魚(yú)群算法　； 參考：《農(nóng)業(yè)機(jī)械學(xué)報(bào)》2017年10期

【摘要】：在傳統(tǒng)極限學(xué)習(xí)機(jī)(ELM)研究的基礎(chǔ)上,考慮到傳統(tǒng)ELM參數(shù)的不確定會(huì)導(dǎo)致整體分類(lèi)精度下降,利用仿生魚(yú)群算法(AF)對(duì)ELM的小波核參數(shù)和正則化參數(shù)進(jìn)行尋優(yōu),并構(gòu)造參數(shù)優(yōu)化后的小波ELM影像分類(lèi)模型(AF-ELM)。通過(guò)實(shí)驗(yàn)比較了該算法與人工神經(jīng)網(wǎng)路(ANN)、支持向量機(jī)(SVM)、極限學(xué)習(xí)機(jī)(ELM)等標(biāo)準(zhǔn)分類(lèi)器在遙感影像分類(lèi)上的精度與速度差異,并且與ELM多項(xiàng)式核、RBF核分類(lèi)算法進(jìn)行比較分析,驗(yàn)證了AF-ELM在分類(lèi)速度和精度上的優(yōu)越性。實(shí)驗(yàn)結(jié)果表明,AF-ELM分類(lèi)方法分類(lèi)速度較快,精度較高,均優(yōu)于其他分類(lèi)方法。能較好地應(yīng)用于遙感影像上各類(lèi)地物要素的自動(dòng)提取。
[Abstract]:Based on the study of traditional extreme learning machine (ELM), considering that the uncertainty of traditional ELM parameters will lead to the decrease of overall classification accuracy, the wavelet kernel parameters and regularization parameters of ELM are optimized by bionic fish swarm algorithm. The classification model of wavelet ELM image after parameter optimization is constructed. The accuracy and speed of the proposed algorithm in remote sensing image classification are compared with those of the standard classifiers such as artificial neural network (Ann), support vector machine (SVM) and extreme learning machine (ELM), and are compared with the ELM polynomial kernel classification algorithm. The superiority of AF-ELM in classification speed and accuracy is verified. The experimental results show that the AF-ELM classification method is faster and more accurate than other classification methods. It can be applied to the automatic extraction of all kinds of features on remote sensing images.
【作者單位】： 同濟(jì)大學(xué)測(cè)繪與地理信息學(xué)院;斯圖加特大學(xué)航空航天與大地測(cè)量學(xué)院;
【基金】：國(guó)土資源部公益性行業(yè)科研專項(xiàng)(201211011) 上海市科學(xué)技術(shù)委員會(huì)科研計(jì)劃項(xiàng)目(13231203602)
【分類(lèi)號(hào)】：TP18;TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 盧茂芬;馮伍法;胥亞;劉衷瑞;韓曉丁;;基于紋理的影像分類(lèi)的特征、波段與窗口選擇問(wèn)題研究[J];影像技術(shù);2011年03期

2 李良軍;武彥斌;;開(kāi)采沉陷遙感監(jiān)測(cè)中多維紋理特征影像分類(lèi)方法[J];煤田地質(zhì)與勘探;2008年06期

3 劉瑞;陳小濤;;城郊地區(qū)面向?qū)ο蟮亩鄠鞲衅饔跋穹诸?lèi)[J];測(cè)繪與空間地理信息;2013年02期

4 趙銀娣;張良培;李平湘;;廣義馬爾可夫隨機(jī)場(chǎng)及其在多光譜紋理影像分類(lèi)中的應(yīng)用[J];遙感學(xué)報(bào);2006年01期

5 秦永;宋偉東;;遙感影像特征提取與選擇及在影像分類(lèi)中的應(yīng)用[J];測(cè)繪科學(xué);2008年01期

6 李明詩(shī),彭世揆,李海濤,王洪良;從遙感TM影像分類(lèi)圖提取小班界限的算法實(shí)現(xiàn)[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年05期

7 鐘燕飛;張良培;龔健雅;李平湘;;基于資源限制性人工免疫系統(tǒng)的多光譜遙感影像分類(lèi)方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年01期

8 李淼;張繼賢;張永紅;;支持向量機(jī)在MODIS影像分類(lèi)中的方法研究[J];測(cè)繪與空間地理信息;2007年03期

9 關(guān)澤群,劉繼琳,崔衛(wèi)紅;利用地物的幾何屬性改進(jìn)影像分類(lèi)效果[J];國(guó)土資源遙感;2001年01期

10 杜燁;郭長(zhǎng)青;文寧;葛春青;黃峰;;基于多時(shí)相COSMO-SkyMed SAR數(shù)據(jù)對(duì)水稻信息提取方法的研究與應(yīng)用[J];遙感信息;2014年03期

相關(guān)會(huì)議論文 前10條

1 熊劍;;地形起伏地區(qū)的遙感影像預(yù)處理研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

2 肖倩;李光耀;;航空遙感影像道路提取方法綜述[A];全國(guó)第十屆信號(hào)與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2006年

3 馬海濤;;探討遙感影像的校正與誤差來(lái)源——以雞西市為例[A];2006年中國(guó)土地學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2006年

4 楊博雄;;基于北斗二代與遙感影像的定位與導(dǎo)航技術(shù)研究[A];2009年全國(guó)測(cè)繪儀器綜合學(xué)術(shù)年會(huì)論文集[C];2009年

5 譚明;李成鋼;石曉春;邱宏華;;基于特征的高分辨遙感影像道路提取[A];全國(guó)測(cè)繪科技信息網(wǎng)中南分網(wǎng)第二十四次學(xué)術(shù)信息交流會(huì)論文集[C];2010年

6 譚明;李成鋼;石曉春;邱宏華;;基于特征的高分辨遙感影像道路提取[A];廣東省測(cè)繪學(xué)會(huì)第九次會(huì)員代表大會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2010年

7 杜永明;秦其明;;不同分辨率對(duì)遙感影像中識(shí)別人造地物的影響[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

8 趙紅穎;晏磊;;無(wú)人機(jī)遙感影像的特點(diǎn)與影像處理的關(guān)鍵技術(shù)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

9 馮德俊;楊駿;;基于遙感影像的城市車(chē)流信息提取研究[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

10 杜培軍;方濤;林卉;;遙感影像庫(kù)中數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)的研究[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

相關(guān)重要報(bào)紙文章 前1條

1 張鵬英;國(guó)產(chǎn)遙感影像迎來(lái)共享時(shí)代[N];科技日?qǐng)?bào);2013年

相關(guān)博士學(xué)位論文 前5條

1 劉亞嵐;遙感影像群判讀技術(shù)的試驗(yàn)研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年

2 程起敏;基于內(nèi)容的遙感影像庫(kù)檢索關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年

3 任娜;遙感影像數(shù)字水印算法研究[D];南京師范大學(xué);2011年

4 鄧冰;遙感影像信息度量方法研究[D];武漢大學(xué);2009年

5 柳稼航;基于視覺(jué)特征的高分辨率光學(xué)遙感影像目標(biāo)識(shí)別與提取技術(shù)研究[D];上海交通大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 周?chē)?guó)瓊;面向?qū)ο蟮腡M影像分類(lèi)[D];昆明理工大學(xué);2012年

2 王金杰;基于語(yǔ)義的遙感影像數(shù)據(jù)檢索關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

3 侯?lèi)?ài)霞;基于五層十五級(jí)數(shù)據(jù)組織結(jié)構(gòu)的遙感影像幾何處理系統(tǒng)研究[D];河南大學(xué);2015年

4 呂璐凌;一種基于地面控制點(diǎn)的遙感影像幾何校正方法研究[D];浙江大學(xué);2016年

5 張文君;基于遙感影像特征的云霧去除模型對(duì)比研究[D];云南大學(xué);2016年

6 彭磊;遙感影像大數(shù)據(jù)管理系統(tǒng)關(guān)鍵技術(shù)研究與系統(tǒng)實(shí)現(xiàn)[D];電子科技大學(xué);2016年

7 曹兆偉;基于人工神經(jīng)網(wǎng)絡(luò)的海島遙感影像地物分類(lèi)研究[D];上海海洋大學(xué);2016年

8 包陽(yáng)捷;面向遙感影像分析的超像素分割方法[D];浙江大學(xué);2016年

9 運(yùn)曉東;海量遙感影像快速瀏覽技術(shù)研究與實(shí)現(xiàn)[D];中國(guó)科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2016年

10 王鵬;遙感影像的ISODATA分類(lèi)算法的并行化研究[D];河南大學(xué);2016年

，

本文編號(hào)：1803050