首页 -> 文献共享 -> 定量遥感-> 正文

基于自适应共振模型的遥感影像分类方法研究

作者：骆剑承,王钦敏,周成虎,梁 怡   出版商：测绘学报   出版日期：2002 年 5 月
摘  要：人工神经网络(ANN)是人视觉和脑的基本功能的抽象、简化和模拟。在对遥感影像的综合解译应用中,与传统的统计方法和符号逻辑方法相比较,ANN更接近人对影像的视觉解译分析过程。自适应共振理论(ART)是一种自组织产生认知编码的神经网络理论,其自组织、反馈式增量学习机能,能兼顾适应性和稳定性,克服了一般神经网络学习速度慢、网络结构难以确定、局部最小陷阱等缺陷。以FUZZY-ART和ARTMAP为基础,提出基于ART遥感影像非监督和监督分类的一般模型,并以实际土地覆盖分类和城市结构信息提取为应用实例,通过与传统统计方法和一般ANN分类器相比较,ART具有正确率更高、学习速度快、自适应性等优点,是复杂数据分类和信息提取的有效工具。
查看全文 本地浏览
相关数据
暂无相关数据！
相关文章
暂无相关文献！
●  上一篇： 基于遥感与GIS技术的土地利用时空特征研究     ●  下一篇： 竞奏共鸣下的 “ 对话 ” ——— 从 《 地图 》 解读谭盾音乐    
声明：本站文献资源来源于网络，仅供学习交流使用，不得以任何形式用于商业用途，请于浏览后24小时内删除。如有疑问欢迎与我们联系，感谢您的支持。