MEA-BP模型在遥感影像分类中的应用研究

发布时间：2018-04-03 23:21

  本文选题：遥感　切入点：影像分类　出处：《数学的实践与认识》2017年02期

【摘要】：遥感影像分类作为遥感技术的一个重要应用,对遥感技术的发展具有重要作用.针对遥感影像数据特点,在目前的非线性研究方法中主要用到的是BP神经网络模型.但是BP神经网络模型存在对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.因此,为了提高模型遥感影像分类精度,提出采用MEA-BP模型进行遥感影像数据分类.首先采用思维进化算法代替BP神经网络算法进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于思维进化算法的BP神经网络分类模型,并将其应用到遥感影像数据分类研究中.仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值.
[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.
【作者单位】： 鄂尔多斯应用技术学院;
【分类号】：TP751

【相似文献】

相关期刊论文 前10条

1 黄恩兴;;遥感影像分类结果的不确定性研究[J];中国农学通报;2010年05期

2 贾坤;李强子;田亦陈;吴炳方;;遥感影像分类方法研究进展[J];光谱学与光谱分析;2011年10期

3 朱丹瑶;;遥感影像分类方法研究[J];黑龙江科技信息;2012年33期

4 孙立新,罗高平,张怡梅;遥感影像分类的归类学习方法[J];测绘工程;1998年03期

5 李爽,丁圣彦,许叔明;遥感影像分类方法比较研究[J];河南大学学报(自然科学版);2002年02期

6 黄艳;张超;苏伟;岳安志;;合理尺度纹理分析遥感影像分类方法研究[J];国土资源遥感;2008年04期

7 付博;谢振红;邓彩群;;改进的角度余弦方法在湿地遥感影像分类中的应用[J];吉林建筑工程学院学报;2010年04期

8 杨慧;郑思莉;唐赫;朱文谦;程战员;;面向对象的武汉市街区公共遥感影像分类研究[J];软件导刊;2014年01期

9 杨玉静;冯建辉;;纹理特征提取及辅助遥感影像分类技术研究[J];海洋测绘;2008年04期

10 李小涛;潘世兵;宋小宁;;基于地质统计学纹理特征的遥感影像分类方法研究[J];地理与地理信息科学;2009年02期

相关会议论文 前10条

1 刘忠阳;陈怀亮;杜子璇;邹春辉;;基于决策树方法的Landsat7 ETM+遥感影像分类研究[A];农业生态与卫星遥感应用技术学术交流会论文摘要集[C];2006年

2 王珊珊;季民;高洁;焦其松;;CBR方法在高分辨率遥感影像分类中的应用[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

3 汤家法;;基于可拓分类器的遥感影像分类[A];第十七届中国遥感大会摘要集[C];2010年

4 巫兆聪;;RBF网络的粗糙表示与遥感影像分类应用[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

5 杨剑;蒲英霞;何一鸣;;基于Getis的遥感影像分类研究[A];中国地理学会百年庆典学术论文摘要集[C];2009年

6 赵泉华;宋伟东;鲍勇;;基于分形纹理的BP神经网络遥感影像分类[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

7 王梁;韩坤英;;分形理论在遥感影像分类中的应用[A];第十二届全国数学地质与地学信息学术研讨会论文集[C];2013年

8 汪东川;龚建华;张利辉;;基于时间序列轨迹分析的遥感影像分类结果联合校正[A];第十七届中国遥感大会摘要集[C];2010年

9 罗小波;刘明皓;;基于优化的BP神经网络遥感影像分类[A];2006年中国土地学会学术年会论文集[C];2006年

10 ;结合光谱、纹理与形状特征的高空间分辨率遥感影像分类(英文)[A];中国测绘学会第九次全国会员代表大会暨学会成立50周年纪念大会论文集[C];2009年

相关博士学位论文 前9条

1 王巍;基于Agent的遥感影像分类方法及其应用研究[D];中国地质大学(北京);2016年

2 任广波;基于半监督学习的遥感影像分类技术研究[D];中国海洋大学;2010年

3 谭琨;基于支持向量机的高光谱遥感影像分类研究[D];中国矿业大学;2010年

4 巫兆聪;粗集理论在遥感影像分类中的应用[D];武汉大学;2004年

5 易俐娜;面向对象遥感影像分类不确定性分析[D];武汉大学;2011年

6 胥海威;基于改进随机聚类决策森林算法的遥感影像分类研究[D];中南大学;2012年

7 徐盛;基于主题模型的高空间分辨率遥感影像分类研究[D];上海交通大学;2012年

8 刘志刚;支撑向量机在光谱遥感影像分类中的若干问题研究[D];武汉大学;2004年

9 丁胜;智能优化算法在高光谱遥感影像分类中的应用研究[D];武汉大学;2010年

相关硕士学位论文 前10条

1 吴聪;面向对象的高分辨率遥感影像分类在卫片执法中的应用研究[D];昆明理工大学;2015年

2 周杨;面向对象的高分辨率遥感影像分类技术研究[D];中国地质大学(北京);2015年

3 李奇峰;结合多特征描述和SVM的遥感影像分类研究[D];郑州大学;2015年

4 宋晓阳;面向对象的遥感分类系统研究[D];南京农业大学;2014年

5 张静;西北旱区遥感影像分类方法研究[D];西北农林科技大学;2016年

6 王慧;融合各最优尺度下特征的高分辨率遥感影像分类[D];南京信息工程大学;2016年

7 姚啸;面向对象的高分遥感影像分类在森林蓄积量估测中的应用研究[D];西安科技大学;2015年

8 麦超;基于稀疏约束受限玻尔兹曼机的高分辨率遥感影像分类[D];长安大学;2016年

9 崔姗姗;基于Hadoop平台下森林景观遥感影像分类技术研究[D];东北林业大学;2016年

10 陈珂;遥感影像分类结果的空间抽样精度检验方法研究[D];上海海洋大学;2016年

，

本文编号：1707351