近年來,對地觀測技術(shù)不斷發(fā)展,遙感衛(wèi)星數(shù)據(jù)的空間分辨率提高到亞米級,光譜分辨率提高到5納米。遙感技術(shù)的快速發(fā)展極大地促進(jìn)了遙感數(shù)據(jù)的應(yīng)用。與此同時,對遙感數(shù)據(jù)處理方法的需求也在不斷的提高,更高級的數(shù)據(jù)需要更先進(jìn)的技術(shù)方法。在此背景下,一些學(xué)者提出了一些新的算法,如支持向量機、神經(jīng)網(wǎng)絡(luò)等等。但是,大部分研究的方向都集中在監(jiān)督分類算法上。但對于監(jiān)督遙感分類算法,其精度受到帶有類別標(biāo)記的訓(xùn)練數(shù)據(jù)集的影響。往往選擇一個能夠很好代表研究區(qū)域的訓(xùn)練數(shù)據(jù)集要花費很大的人力物力,而且不同的實驗者選擇的訓(xùn)練集不同,分類算法的最終分類精度也不相同,甚至可能差異很大。非監(jiān)督分類算法則不需要帶有類別標(biāo)記的訓(xùn)練樣本,在充分利用遙感數(shù)據(jù)的同時避免了人為因素的印象。本文對非監(jiān)督分類進(jìn)行了研究,取得了以下成果:（1）研究了不同的非監(jiān)督遙感分類算法。實驗表明,傳統(tǒng)的非監(jiān)督分類算法,如ISODATA及K-means分類精度處于80%左右。而對于神經(jīng)網(wǎng)絡(luò)中的自組織映射（SOM）算法,由于SOM優(yōu)秀的不同維度空間的拓?fù)渑判蛴成淠芰?其分類精度相對于傳統(tǒng)非監(jiān)督分類算法有了明顯提高,分類精度達(dá)到85%以上。（2）針對基于像素的S... 

【文章來源】：中國地質(zhì)大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線圖

中國地質(zhì)大學(xué)（北京）碩士學(xué)位論文終縮減為一個或零個鄰域神經(jīng)元。段的算法見表 3.3。段，我們就可以獲得訓(xùn)練好的網(wǎng)絡(luò)，來進(jìn)行遙感數(shù)據(jù)的分地利用分類及分類后處理法中，在計算完成之前，分析員不會在集群屬性中扮演任務(wù)是建立聚類結(jié)果與土地覆被等級之間的關(guān)系。在這一階數(shù)據(jù)從高維空間映射到低維空間的特性，并保持輸入數(shù)據(jù)

而在聚類后處理階段，可以根據(jù)權(quán)值向量輕松找出已經(jīng)被降維的類別在高維空征值，即由輸出層指向輸入層的指針，這樣可以輕松判斷每個輸出類別的特征，率的實現(xiàn)分類后處理。應(yīng)用實例本實驗在 SNAP Desktop、Sen2Cor、ENVI5.1 平臺、ARCGIS10.2 平臺以及 MAT4a 平臺下操作完成。4.1 研究區(qū)概況

【參考文獻(xiàn)】：
期刊論文
[1]基于人工蜂群算法優(yōu)化的SVM遙感分類方法——以瑪納斯湖古湖盆為例[J]. 楊雪峰,吐熱尼古麗·阿木提.  地理與地理信息科學(xué). 2018(04)
[2]應(yīng)用自組織映射方法的北京市2005—2013年土地利用時空演變分析[J]. 齊建超,劉慧平,伊堯國.  生態(tài)學(xué)報. 2017(19)
[3]基于SOM神經(jīng)網(wǎng)絡(luò)的城市土地覆蓋遙感分類研究[J]. 劉艷杰,曾永年.  測繪與空間地理信息. 2012(06)

博士論文
[1]基于3S和人工智能的滑坡位移預(yù)測與易發(fā)性評價[D]. 黃發(fā)明.中國地質(zhì)大學(xué) 2017
[2]基于半監(jiān)督集成支持向量機的土地覆蓋遙感分類方法研究[D]. 劉穎.中國科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所) 2013

碩士論文
[1]森林類型高光譜遙感分類研究[D]. 王懷警.中國林業(yè)科學(xué)研究院 2018



本文編號：3381541