神经网络及模糊算法的遥感数据分类研究

神经网络及模糊算法的遥感数据分类研究

论文摘要

随着多波段,多分辨率遥感数据的增加和应用质量的不断提高,需要开发更加有效的遥感数据分类算法,当前图像处理软件中的统计分类方法是以参数假设为约束条件,需要数据分布服从高斯分布。但多数的遥感数据的分布并不服从高斯分布的假设条件,因而导致分类精度不高的原因之一。因此,本文以非线性理论为指导,探索了以SOFM神经网络分类方法,改进的BP神经网络和模糊数学方法的遥感数据分类方法的实现。本文以广州三水市Landsat TM5,4,3三波段遥感影像和SPOT遥感影像为数据源,主要研究了神经网络和模糊算法两种方法在遥感图像分类中的应用。根据所选区域的实际情况,将土地覆盖/利用类型分为五类:水体(包括河流,湖),旱地,裸露地(包括道路,居民地,桥梁和未利用地)、林地和水田5类覆盖物进行分类试验研究。在基于神经网络分类实验中,我们采用了自组织特征映射神经网络(SOFM)算法和改进的BP算法方法对图像进行了分类,并与传统的最大似然法比较达到了很好的效果。在基于模糊网络方法的分离实验中,我们分别采用了K-均值算法(一种硬划分聚类方法)、模糊C-均值算法(等轴空间聚类)对图像进行了分类,并进行了对比分析,结果显示模糊方法精度较好。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 课题背景和选择依据
  • 1.2 遥感影像分类的发展和现状
  • 1.2.1 按照分类时被分像元的纯净程度
  • 1.2.2 按照分类的对象
  • 1.3 国内外的研究动态及发展趋势
  • 1.3.1 遥感信息处理技术的发展
  • 1.3.2 模式识别在遥感图像信息处理中的应用
  • 1.4 本文研究内容
  • 2 遥感图像的分类基本原理和方法
  • 2.1 遥感图像分类的基本原理
  • 2.2 遥感图像分类的传统方法
  • 2.3 遥感图像分类的误差与精度评价
  • 3 神经网络分类方法
  • 3.1 神经网络基本原理和方法
  • 3.2 自组织特征映射神经网络分类方法
  • 3.2.1 自组织特征映射神经网络原理
  • 3.2.2 自组织特征映射神经网络算法
  • 3.2.3 自组织特征映射神经网络分类的实例
  • 3.3 BP 神经网络分类方法
  • 3.3.1 BP 学习算法原理
  • 3.3.2 BP 算法编程步骤
  • 3.3.3 改进的BP 算法
  • 3.4 遥感数据分类实验及分析
  • 3.4.1 实验数据的准备
  • 3.4.2 BP 方法分类实例
  • 3.4.3 分类精度评价
  • 4 模糊理论和聚类分析在分类中的应用
  • 4.1 模糊理论的基本概念
  • 4.1.1 模糊理论的产生和发展
  • 4.1.2 模糊集合和隶属度的概念
  • 4.1.3 模糊关系
  • 4.2 模糊集理论在模式识别中的应用
  • 4.2.1 隶属度原则和择近原则
  • 4.2.2 基于模糊等价关系的模式分类
  • 4.3 聚类分析在分类中的应用
  • 4.3.1 聚类分析在分类中的应用
  • 4.3.2 硬聚类和硬C-均值聚类算法
  • 5 模糊算法对遥感图像分类
  • 5.1 模糊C-均值聚类算法
  • 5.2 实验数据的准备
  • 5.3 实验结果
  • 6 结论
  • 6.1 结论
  • 6.2 展望
  • 致谢
  • 参考文献
  • 附录
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  

    神经网络及模糊算法的遥感数据分类研究
    下载Doc文档

    猜你喜欢