基于鱼群算法的极限学习机影像分类方法优化

发布时间：2018-04-25 21:32

  本文选题：极限学习机 + 鱼群算法　； 参考：《农业机械学报》2017年10期

【摘要】：在传统极限学习机(ELM)研究的基础上,考虑到传统ELM参数的不确定会导致整体分类精度下降,利用仿生鱼群算法(AF)对ELM的小波核参数和正则化参数进行寻优,并构造参数优化后的小波ELM影像分类模型(AF-ELM)。通过实验比较了该算法与人工神经网路(ANN)、支持向量机(SVM)、极限学习机(ELM)等标准分类器在遥感影像分类上的精度与速度差异,并且与ELM多项式核、RBF核分类算法进行比较分析,验证了AF-ELM在分类速度和精度上的优越性。实验结果表明,AF-ELM分类方法分类速度较快,精度较高,均优于其他分类方法。能较好地应用于遥感影像上各类地物要素的自动提取。
[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.
【作者单位】： 同济大学测绘与地理信息学院;斯图加特大学航空航天与大地测量学院;
【基金】：国土资源部公益性行业科研专项(201211011) 上海市科学技术委员会科研计划项目(13231203602)
【分类号】：TP18;TP751

【相似文献】

相关期刊论文 前10条

1 卢茂芬;冯伍法;胥亚;刘衷瑞;韩晓丁;;基于纹理的影像分类的特征、波段与窗口选择问题研究[J];影像技术;2011年03期

2 李良军;武彦斌;;开采沉陷遥感监测中多维纹理特征影像分类方法[J];煤田地质与勘探;2008年06期

3 刘瑞;陈小涛;;城郊地区面向对象的多传感器影像分类[J];测绘与空间地理信息;2013年02期

4 赵银娣;张良培;李平湘;;广义马尔可夫随机场及其在多光谱纹理影像分类中的应用[J];遥感学报;2006年01期

5 秦永;宋伟东;;遥感影像特征提取与选择及在影像分类中的应用[J];测绘科学;2008年01期

6 李明诗,彭世揆,李海涛,王洪良;从遥感TM影像分类图提取小班界限的算法实现[J];南京林业大学学报(自然科学版);2001年05期

7 钟燕飞;张良培;龚健雅;李平湘;;基于资源限制性人工免疫系统的多光谱遥感影像分类方法[J];武汉大学学报(信息科学版);2006年01期

8 李淼;张继贤;张永红;;支持向量机在MODIS影像分类中的方法研究[J];测绘与空间地理信息;2007年03期

9 关泽群,刘继琳,崔卫红;利用地物的几何属性改进影像分类效果[J];国土资源遥感;2001年01期

10 杜烨;郭长青;文宁;葛春青;黄峰;;基于多时相COSMO-SkyMed SAR数据对水稻信息提取方法的研究与应用[J];遥感信息;2014年03期

相关会议论文 前10条

1 熊剑;;地形起伏地区的遥感影像预处理研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

2 肖倩;李光耀;;航空遥感影像道路提取方法综述[A];全国第十届信号与信息处理、第四届DSP应用技术联合学术会议论文集[C];2006年

3 马海涛;;探讨遥感影像的校正与误差来源——以鸡西市为例[A];2006年中国土地学会学术年会论文集[C];2006年

4 杨博雄;;基于北斗二代与遥感影像的定位与导航技术研究[A];2009年全国测绘仪器综合学术年会论文集[C];2009年

5 谭明;李成钢;石晓春;邱宏华;;基于特征的高分辨遥感影像道路提取[A];全国测绘科技信息网中南分网第二十四次学术信息交流会论文集[C];2010年

6 谭明;李成钢;石晓春;邱宏华;;基于特征的高分辨遥感影像道路提取[A];广东省测绘学会第九次会员代表大会暨学术交流会论文集[C];2010年

7 杜永明;秦其明;;不同分辨率对遥感影像中识别人造地物的影响[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

8 赵红颖;晏磊;;无人机遥感影像的特点与影像处理的关键技术[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

9 冯德俊;杨骏;;基于遥感影像的城市车流信息提取研究[A];第十七届中国遥感大会摘要集[C];2010年

10 杜培军;方涛;林卉;;遥感影像库中数据挖掘与知识发现的研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

相关重要报纸文章 前1条

1 张鹏英;国产遥感影像迎来共享时代[N];科技日报;2013年

相关博士学位论文 前5条

1 刘亚岚;遥感影像群判读技术的试验研究[D];中国科学院研究生院（遥感应用研究所）;2004年

2 程起敏;基于内容的遥感影像库检索关键技术研究[D];中国科学院研究生院（遥感应用研究所）;2004年

3 任娜;遥感影像数字水印算法研究[D];南京师范大学;2011年

4 邓冰;遥感影像信息度量方法研究[D];武汉大学;2009年

5 柳稼航;基于视觉特征的高分辨率光学遥感影像目标识别与提取技术研究[D];上海交通大学;2011年

相关硕士学位论文 前10条

1 周国琼;面向对象的TM影像分类[D];昆明理工大学;2012年

2 王金杰;基于语义的遥感影像数据检索关键技术研究[D];国防科学技术大学;2013年

3 侯爱霞;基于五层十五级数据组织结构的遥感影像几何处理系统研究[D];河南大学;2015年

4 吕璐凌;一种基于地面控制点的遥感影像几何校正方法研究[D];浙江大学;2016年

5 张文君;基于遥感影像特征的云雾去除模型对比研究[D];云南大学;2016年

6 彭磊;遥感影像大数据管理系统关键技术研究与系统实现[D];电子科技大学;2016年

7 曹兆伟;基于人工神经网络的海岛遥感影像地物分类研究[D];上海海洋大学;2016年

8 包阳捷;面向遥感影像分析的超像素分割方法[D];浙江大学;2016年

9 运晓东;海量遥感影像快速浏览技术研究与实现[D];中国科学院大学(工程管理与信息技术学院);2016年

10 王鹏;遥感影像的ISODATA分类算法的并行化研究[D];河南大学;2016年

，

本文编号：1803050