遥感图像分类中的遗传算法LVQ神经网络运用

发布时间：2024-03-30 10:11

　　对于遥感图像分类过程中的问题,提出遗传算法LVQ神经网络来实现遥感图像的分类。将LVQ神经网络结合遗传算法,使用遗传算法最优阈值与权值实现网络训练,使分类精度得到提高。之后融合相似灰度值创建分类图像特征矢量,使特征矢量在神经网络中输入实现训练。学习矢量量化神经算法对初值非常敏感,对遥感图像分类精度具有一定影响。最后,为了对性能进行测试,在实验过程中对比本文分类方法和SVM决策树分类方法,通过实验结果表示,文中提出的分类方法的遥感图像分类精度为95.82%,与其他分类方法相比,分类精度得到进一步提高。

【文章页数】：4 页

【部分图文】：

图1二维权空间误差曲面

即多维空间复杂曲面，此多维空间就是误差权空间，二维权空间误差曲面如图1所示。通过图1可以看出，误差曲面分布的主要特点有两个，也就是标准BP算法典型的局限性：

图2LVQ的神经网络基本结构

学习矢量量化LVQ神经网络是由Kohonen提出的，能够实现模式分类的监督自组织神经网络模型，能够指定输入分到哪个类中。LVQ网络通过输出层、输入层构成，输入层只能实现输入样本的接收，输出层属于竞争层，能够实现输入样本的聚类，此两层神经元相互连接。LVQ神经网络其实就是改进的传统....

图3遗传算法的优化流程

利用遗传算法优化权值和阈值的过程为：首先通过GA搜索网络近似最优与最优的阈值和连续权重，然后通过RBF调整最终的权重。在评估所有染色体之后，通过算法的选择，提取当前染色体创建中间群体。本文在对算子选择过程中利用排序算法进行轮盘选择。最后，通过中间种群染色体的交叉算子与突变算法创建....

图4基于遗传算法与LVQ神经网络算法的流程

式中：d(t)是指利用训练集得到的期望输出；y(t)是指利用网络在测试数据中得到的输出。3）选择。Npop染色体通过适应度函数，以降序的方式排列，将最好的染色体进行保存，丢弃其他的染色体。将幸存的群体作为Nkeep，从中选择两名双亲生成弹簧。本文在双亲中使用加权等级，将其作为概率....

本文编号：3942199