资源描述：
《基于神经网络的扎龙湿地土地覆盖分类研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第44卷第4期大连理工大学学报Vol.44,No.42004年7月JournalofDalianUniversityofTechnologyJul.2004文章编号:100028608(2004)0420582207基于神经网络的扎龙湿地土地覆盖分类研究3112韩敏,程磊,邢军(1.大连理工大学电子与信息工程学院,辽宁大连116024;2.大连轻工业学院信息科学与工程学院,辽宁大连116034)摘要:主要研究神经网络在土地覆盖分类方面的应用问题.采用四层神经网络结构,对扎龙湿地的TM影像进行了分类研究,并提出一种基于鲁棒误差函数的自适应反向传播学习算法.仿真结果表明
2、,该方法能够有效地对扎龙湿地TM影像进行分类.所采用的四层网络结构可减轻存储量大的负担,鲁棒误差函数有效地抑制了大误差,自适应反向传播算法使误差下降更快,而且最终得到的分类精度高于三层神经网络和最大似然法的分类精度.关键词:神经网络;分类;TM影像;扎龙湿地中图分类号:TP751文献标识码:A0引言一急待研究的课题.多层前向神经网络实现了复杂的非线性映遥感图像的像元亮度差异反映了不同地物光射.单隐层结构适合大多数分类问题,但如果样谱信息的差异.根据这种差异对土地覆盖进行分本数据的复杂程度较高,即高度离散化的情况下,类是遥感图像的重要应用之一.传统的遥感图像[7]可以
3、考虑采用具有2层隐层结构的神经网络.分类方法是基于贝叶斯分类器的.贝叶斯分类器常规的BP算法存在训练时间长,不容易收敛的缺需要假设一个特定的概率模型.如果假设的概率点.杜惠茜等用线性搜索的共轭梯度法动态选取模型是正确的,贝叶斯分类器在理论上是最优的,[8]学习速率以提高训练速度.王耀南提出一种确否则可能得到很差的分类结果.最大似然法就是[9]定隐层节点数的方法.李朝峰等提出采用模糊建立在贝叶斯分类器基础上的,其分类错误概率[10]规则有效控制BP网络学习率的改进方法.但[1]最小,是风险最小的判决分析方法.在进行图是网络收敛速度慢仍然是一个难题.本文采用四像统计分类
4、中,假定各类地物波谱辐射都呈正态层前向神经网络结构建立遥感图像模型,提出一函数分布,则一个响应模式的分布完全可以由平种基于鲁棒误差函数的自适应学习算法,以避免均值向量和方差来表示.使用这些参数可以计算训练时间长的缺点和大容量数据造成的不易收敛一个给定的像元属于每一类的统计概率.现象,并与三层神经网络和传统的最大似然法的人工神经网络已经在遥感影像分类中得到了分类结果相比较.广泛的应用,尤其是BP神经网络分类器.Kanellopoulos等已经用BP神经网络实现了遥感1最大似然与神经网络算法描述[2～5]图像的监督分类.杨存建提出了基于知识的本文分别采用神经网络和最大似
5、然法对遥感[6]遥感图像分类方法.与传统方法相比,神经网图像进行分类.络不需要概率模型,而是通过自学习能力获取权1.1最大似然法值,从而成为分类器.通常神经网络解决的问题用最大似然法对遥感图像分类是以假设各类是模式数小于200的小数据集,而遥感图像具有地物波谱辐射都作正态函数分布为基础的.大量的训练数据集,模式数往往超过1000.如何N维正态分布的概率密度函数选择合适的网络结构和学习算法,使神经网络能N1P(xûXl)=1(2P)22l2õ够更有效和更准确地解决遥感图像的分类问题是收稿日期:2003207229;修回日期:2004206205.基金项目:国家自然科学
6、基金资助项目(重点项目50139020).作者简介:韩敏3(19592),女,博士,教授,E2mail:minhan@dlut.edu.cn.第4期韩敏等:基于神经网络的扎龙湿地土地覆盖分类研究5831T-1BP算法的训练过程是在均方误差函数的指导下,exp-(x-ul)2l(x-ul)(1)2通过调整权值使误差达到极小值.根据鲁棒估计式中:l=1,2,⋯,m,为类别序号,m为类别数;N理论可知,这种误差函数不具有鲁棒性,对大误差为波段数;x为训练样本向量;Xl表示类别;ul为样十分敏感,尤其当样本受到噪声干扰时,样本不能本的均值向量;2l为样本的协方差矩阵,û2l
7、û为2l对网络进行较好的训练,以至网络的输出曲面产-1的行列式;2l为2l的逆.生剧烈振荡,网络参数沿着梯度下降的最速方向最大似然分类判决函数为极大地偏离指向误差曲面的最小点方向,严重地[13]gl(x)=P(xûXl)õP(Xl)(2)影响了网络的学习能力及效果.本文提出一种其中P(Xl)为Xl类的先验概率.适合对扎龙湿地TM影像分类的自适应反向传播先对各个类别的先验概率P(Xl)赋值,再根学习算法,它采用鲁棒误差函数调整权值,实现了据训练样本计算各类别的u-1学习速率的自适应动态调整.其原理介绍如下.l、2l、2l、û2lû.分类时将图像的每个待判像元分别代
