BP神经网络的训练样本集容量     

石琳珂 《华北地震科学》1995,13(2):26-30

本文试图解释用ＢＰ神经网络解界面反问题时效果不佳的原因。文中首先从信息量的角度提出了ＢＰ神经网络训练本集容量的概念，给出了它的定义及组织训练样本集时应遵循的原则和方法。对于如何用ＢＰ神经网络解界面反问题，给出了其基本步骤，并根据上述训练样本集容量的概念及界面反总理的特殊性，给出了组织界面反问题训练样本集的方法。  相似文献   

基于对应分析的训练样本的选择   总被引：1，自引：0，他引：1  

虞欣 《测绘科技情报》2007,(2)

本文提出一种基于对应分析的训练样本的选择方法。它从训练样本中自动地选择有代表性的典型训练样本,使得在自动分类中充分利用所采集的样本信息,以便得到满意的分类结果。通过实验与分析证明,该方法是可行的,它明显优于人工随机选择训练样本的方式。与基于Q型因子分析的训练样本选择方法相比,可以更快地得到较少的典型样本,满意的分类精度。  相似文献   

Extending self-organizing maps for supervised classification of remotely sensed data     

CHEN Yongliang Comprehensive Information Institute of Mineral Resources Prediction  Jilin University  Changchun  China 《东北亚地学研究》2009,12(1):46-56

An extended self-organizing map for supervised classification is proposed in this paper. Unlike other traditional SOMs, the model has an input layer, a Kohonen layer, and an output layer. The number of neurons in the input layer depends on the dimensionality of input patterns. The number of neurons in the output layer equals the number of the desired classes. The number of neurons in the Kohonen layer may be a few to several thousands, which depends on the complexity of classification problems and the classification precision. Each training sample is expressed by a pair of vectors ： an input vector and a class codebook vector. When a training sample is input into the model, Kohonen＇s competitive learning rule is applied to selecting the winning neuron from the Kohouen layer and the weight coefficients connecting all the neurons in the input layer with both the winning neuron and its neighbors in the Kohonen layer are modified to be closer to the input vector, and those connecting all the neurons around the winning neuron within a certain diameter in the Kohonen layer with all the neurons in the output layer are adjusted to be closer to the class codebook vector. If the number of training sam- ples is sufficiently large and the learning epochs iterate enough times, the model will be able to serve as a supervised classifier. The model has been tentatively applied to the supervised classification of multispectral remotely sensed data. The author compared the performances of the extended SOM and BPN in remotely sensed data classification. The investigation manifests that the extended SOM is feasible for supervised classification.  相似文献   

东北黑土区侵蚀沟遥感影像特征提取与识别   总被引：3，自引：0，他引：3  

于佩鑫  周询  刘素红  王西凯 《遥感学报》2018,22(4):611-620

东北黑土区是中国重要的粮食生产区,而长期的开垦造成了严重的水土流失现象,坡耕地表面出现大量的侵蚀沟。侵蚀沟的识别是土壤侵蚀监测的重要手段之一,目前遥感技术在侵蚀沟的识别中应用广泛,但自动化程度不高。针对特定地物影像的识别,如何选取最能够有效描述该地物的特征是解决问题的关键。本文构建了耕地和侵蚀沟遥感影像的训练样本集,基于样本集分别提取了由光谱特征和纹理特征组成的浅层特征、SIFT特征经编码后得到的中层特征,以及利用卷积神经网络提取的深层特征;再基于不同层次的特征选用合适的分类器对遥感影像进行分类,识别出含有侵蚀沟的遥感影像,形成了一套针对侵蚀沟的特征提取与识别方法,为东北黑土区的耕地保护提供有力支持。测试结果表明:基于中层特征的识别精度最高,为98.5%,但该特征需要人工设计,自动化程度有限;而利用卷积神经网络可自动提取深层特征,其识别精度达到了95.5%,同时大大提高了自动化程度,满足侵蚀沟影像的识别的需求。  相似文献   

训练样本对遥感影像分类精度影响研究     

高文杰  王金亮  刘广杰 《云南地理环境研究》2015,(2):31-36

以大理SPOT-5 HRG影像和Landsat TM影像作为数据源,在构建标准训练样本数据集的基础上,探索训练样本对遥感影像分类的影响。选取不同训练样本数量组合,分别对监督分类中的平行六面体、最小距离、马氏距离、最大似然法、神经网络和支持向量机6种分类方法进行多次实验,并采用Kappa系数和总体分类精度对实验分类结果的精度进行评价。结果表明:以多次分类结果的平均值作为最终的分类结果能减小随机误差;增加训练样本数量可以减小单次分类引起的随机误差;在不同的训练样本量下,支持向量机的分类精度最高。  相似文献   

特征优选下的遥感影像面向对象分类规则构建     

戴莉莉  李海涛  顾海燕  余凡 《测绘科学》2019,44(2):26-32

针对分类规则及其阈值的确定主要依赖人工经验、通用性差问题,该文提出了特征优选支持的面向对象分类规则构建方法。该方法利用面向对象技术,首先使用Boruta算法对先验样本数据集进行特征选择,然后根据隶属度函数构建分类规则集,最后引入置信区间概念,确定分类规则的阈值。以德国波兹坦地区的航空影像、数字表面模型(DSM)以及地面真实参考影像为实验数据,构建城市建筑、城市绿地(包括草地和树木)这两种地类的分类规则,利用不同数量的训练样本,开展面向对象分类实验,与支持向量机(SVM)监督分类方法进行对比分析。实验结果表明,在相同的优选特征下,利用置信区间确定阈值得到的分类规则,提取效果及分类精度更好,尤其在训练样本量少的情况下,该方法得到的分类精度比SVM高30%～40%。  相似文献   

基于不确定性的大样本集抽样设计     

柳闻仪  张景雄  刘福江 《地理信息世界》2016,(5)

本文研究是针对全球森林覆盖变化检测系统的大训练样本选择的优化问题。样本自动标记系统自动标记了"千万个"代表森林和非森林的像元。为了提高精度和效率,我们需要从千万个样本的大样本集中选择对训练分类器有益的样本。本文提出了两种方法:第一种方法是传统的分层等距离采样;第二种方法是基于不确定性的样本优化,通过研究相同样本间的相似性度量指标、样本不确定性度量指标及样本特征空间分布,来实现基于不确定性的训练样本选择策略。实验通过精度评价验证了基于不确定性的采样策略能比传统的分层等距离采样策略获得好的效果。  相似文献   

基于BP神经网络的航空物探数据分类方法   总被引：2，自引：0，他引：2  

黄旭钊  梁月明  李桐林 《物探与化探》2010,34(4)

大比例尺、高精度航空物探测量,为岩性分类提供了可靠的基础资料,而BP神经网络分类为岩性分类提供了有效手段。笔者依据BP神经网络模型原理,编制了用于航空物探数据处理与解释的BP神经网络软件,并成功用于航空伽马能谱的岩性分类解释。示例证明,借助BP神经网络算法,处理并解释航空物探数据的分类问题,如岩性划分等,具有十分明显的效果。  相似文献   

基于ETM影像数据融合的土地覆盖分类研究     

周万蓬祝民强  吴仁贵葛本峰 张曰静 《华东地质学院学报》2004,27(4):333-340

在ERDAS软件支持下，对ETM遥感影像数据的TM1-TM5，TM7与其全色波段TM8进行融合，采用主成分、乘积法、Brovey转换三种融合方法，重采样方法分别为邻域法、立方卷积法及双线性内插法。采用相同的训练样本区及最大似然法分类方法，对融合产生的9幅影像及未融合影像进行土地覆盖分类，通过对分类影像的Producers Accuracy，Users Accuracy，Kappa三者的精度数据和地物波谱信息的对比分析，在总体上，上述的影像融合方法对提高土地覆盖分类的精度不明显，但就某些地物类型来说，还是值得采用的；三种融合方法和三种重采样方式它们之问相比较而言，乘积法融合法和立方卷积重采样法相对较为可取。  相似文献   

训练样本对TM尺度小麦种植面积测量精度影响研究（Ⅰ）——训练样本与分类方法间分类精度响应关系研究   总被引：6，自引：1，他引：6  

朱秀芳  潘耀忠  张锦水  王双  顾晓鹤  徐超 《遥感学报》2007,11(6):826-837

准确的遥感农作物类型识别和种植面积统计,不仅仅取决于不同分类方法的选择,同时还要看输入分类器用以学习的训练样本数据,训练样本对分类精度的影响比分类技术本身对测量精度的影响还要大。训练样本对测量精度的影响包含样本的质量和数量两个方面。为了探讨训练样本对农作物种植面积测量精度的影响,本文以小麦为例,选择典型试验区,利用较常用的TM遥感影像,结合高分辨率SPOT数据和野外GPS数据,在构建标准训练样本和检验样本数据集的基础上,在不同训练样本量下,分别对光谱角制图、平行六面体、马氏距离、最小距离、最大似然和支持向量机6种方法进行了多次试验,并对测量结果进行了对比分析。研究结果表明:①不同样本量下6种方法10次测量的结果存在不同程度的波动,而且地块越破碎的地区波动越大,但这种波动随样本量的增加会减少,说明目前在小麦面积测量中,用单次分类的结果作为最终的提取结果的做法存在一定的随机误差,在实际的工作中,应尽可能多的获取训练样本,以提高小麦面积测量的稳定性,同时利用多次测量结果求均值的方式,来消减或者抵消测量的随机误差;②相同样本量下,各种方法测量出的全区和破碎区的小麦像元个数(总量)不一致,种植结构复杂且破碎的地区,各种方法测量出的小麦面积总量差异会更大,说明不同方法对同一地区小麦的识别能力是不同的,同种方法对于不同地区小麦的识别能力也是不一样的,但是通过分析小麦识别的产品精度和用户精度,可以判断出哪个结果最接近于真实总量。  相似文献