對(duì)于遙感圖像分類過(guò)程中的問(wèn)題,提出遺傳算法LVQ神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)遙感圖像的分類。將LVQ神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法,使用遺傳算法最優(yōu)閾值與權(quán)值實(shí)現(xiàn)網(wǎng)絡(luò)訓(xùn)練,使分類精度得到提高。之后融合相似灰度值創(chuàng)建分類圖像特征矢量,使特征矢量在神經(jīng)網(wǎng)絡(luò)中輸入實(shí)現(xiàn)訓(xùn)練。學(xué)習(xí)矢量量化神經(jīng)算法對(duì)初值非常敏感,對(duì)遙感圖像分類精度具有一定影響。最后,為了對(duì)性能進(jìn)行測(cè)試,在實(shí)驗(yàn)過(guò)程中對(duì)比本文分類方法和SVM決策樹(shù)分類方法,通過(guò)實(shí)驗(yàn)結(jié)果表示,文中提出的分類方法的遙感圖像分類精度為95.82%,與其他分類方法相比,分類精度得到進(jìn)一步提高。

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖1二維權(quán)空間誤差曲面

即多維空間復(fù)雜曲面，此多維空間就是誤差權(quán)空間，二維權(quán)空間誤差曲面如圖1所示。通過(guò)圖1可以看出，誤差曲面分布的主要特點(diǎn)有兩個(gè)，也就是標(biāo)準(zhǔn)BP算法典型的局限性：

圖2LVQ的神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

學(xué)習(xí)矢量量化LVQ神經(jīng)網(wǎng)絡(luò)是由Kohonen提出的，能夠?qū)崿F(xiàn)模式分類的監(jiān)督自組織神經(jīng)網(wǎng)絡(luò)模型，能夠指定輸入分到哪個(gè)類中。LVQ網(wǎng)絡(luò)通過(guò)輸出層、輸入層構(gòu)成，輸入層只能實(shí)現(xiàn)輸入樣本的接收，輸出層屬于競(jìng)爭(zhēng)層，能夠?qū)崿F(xiàn)輸入樣本的聚類，此兩層神經(jīng)元相互連接。LVQ神經(jīng)網(wǎng)絡(luò)其實(shí)就是改進(jìn)的傳統(tǒng)....

圖3遺傳算法的優(yōu)化流程

利用遺傳算法優(yōu)化權(quán)值和閾值的過(guò)程為：首先通過(guò)GA搜索網(wǎng)絡(luò)近似最優(yōu)與最優(yōu)的閾值和連續(xù)權(quán)重，然后通過(guò)RBF調(diào)整最終的權(quán)重。在評(píng)估所有染色體之后，通過(guò)算法的選擇，提取當(dāng)前染色體創(chuàng)建中間群體。本文在對(duì)算子選擇過(guò)程中利用排序算法進(jìn)行輪盤(pán)選擇。最后，通過(guò)中間種群染色體的交叉算子與突變算法創(chuàng)建....

圖4基于遺傳算法與LVQ神經(jīng)網(wǎng)絡(luò)算法的流程

式中：d(t)是指利用訓(xùn)練集得到的期望輸出；y(t)是指利用網(wǎng)絡(luò)在測(cè)試數(shù)據(jù)中得到的輸出。3）選擇。Npop染色體通過(guò)適應(yīng)度函數(shù)，以降序的方式排列，將最好的染色體進(jìn)行保存，丟棄其他的染色體。將幸存的群體作為Nkeep，從中選擇兩名雙親生成彈簧。本文在雙親中使用加權(quán)等級(jí)，將其作為概率....

本文編號(hào)：3942199