基于径向基函数(RBF)映射理论的遥感影像分类模型研究

被引：28

作者：

骆剑承

周成虎

杨艳

机构：

[1] 中国科学院地理研究所!北京,中国科学院地理研究所!北京,北京师范大学环境科学研究所!北京

来源：

中国图象图形学报 | 2000年 / 02期

关键词：

人工神经网络; 径向基函数(RBF); 映射; 遥感影像分类;

D O I：

暂无

中图分类号：

TP75 [遥感图像的解译、识别与处理];

学科分类号：

081002 ;

摘要：

与传统统计方法的分类器相比较 ,人工神经网络 (ANN )方法应用于遥感影像分类 ,不需预先假设样本空间的参数化统计分布 ,具有复杂的映射能力 .大多数 AN N分类器采用误差反向传播 (BP)学习算法的多层感知器模型(BPNN) ,其主要缺陷是学习速度缓慢、容易陷入局部极小而导致难以收敛等 .基于径向基函数 (RBF)映射理论的神经网络模型融合了参数化统计分布模型和非参数化线性感知器映射模型的优点 ,在实现快速学习的同时 ,保持了高度复杂的映射能力 .该文主要探讨 RBF映射理论在遥感影像分类中的具体算法和实现过程 ,并初步提出了融合地学知识的 RBF影像分类模型 ;最后以实际的遥感土地覆盖分类为例 ,通过与 BP神经网络方法 (BPNN )相比较 ,对分类过程和结果进行了综合分析 ,认为 RBF方法在学习速度、网络结构、融合领域知识等方面具有一定的优势

引用

页码：8 / 13

页数：6

共 12 条

[1]

Intelligent spatial decision support systems. Yee Leung. In: Advances in Spatial Science . 1997

[2]

Neural Network Learning and Expert Systems. Stephon I Gallant. . 1992

[3]

Faulttolerantradial ba-sis function networks. Bapat P,Hegde M V,Naraghi-Pour M. Proceeding of World Congress onNeural Networks . 1994

[4]

Regulation theory,radial basis functions,and net-works. Girosi F. From Statistics to Neural Networks-Theory and Pat-tern Recognition Applications . 1994

[5]

Neural networks,bayesion a posteriori probabili-ties,and pattern classification. Lippm ann R P. F rom Statistics to NeuralNetworks-Theory and Pattern Recognition Applications . 1994

[6]

Fuzzy clustering with partial supervision. Pedrycz Witold,Waletzky,et al. IEEE Transactions on Systems,Man and Cybernetics,Part B:Cybernetics . 1997

[7]

Optimal radial basis function nets with applications to nonlinear for function learning and classification. Krzyzak A,Xu L. In:Proceedings of ICONIP’ 96-Hong Kong . 1996

[8]

A new worst case training algorithm for RBF neural networks. Tan S,Tsoi A C,Back A,and Ann-Kai Chan. In: Proceedings of ICONIP’ 96-Hong Kong . 1996

[9]

A review and analysis of back-propagation neural networks for classification of remotely-sen-sed multi-spectral imagery. Paola J D,Schowengerdt R A. International Journal of Remote Sensing . 1995

[10]

Multi -spectral classification of landsat images using neural networks. Bischof H,Schneider W,Pinz A J. IEEE Transactions on Geo-science and Remote Sensing . 1992

← 1 2 →