高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

自组织特征映射网络在遥感影像分类中的应用

罗凯 罗旭 冯仲科 李静锐 吴露露

罗凯, 罗旭, 冯仲科, 李静锐, 吴露露, . 自组织特征映射网络在遥感影像分类中的应用[J]. 北京林业大学学报, 2008, 30(增刊1): 73-77.
引用本文: 罗凯, 罗旭, 冯仲科, 李静锐, 吴露露, . 自组织特征映射网络在遥感影像分类中的应用[J]. 北京林业大学学报, 2008, 30(增刊1): 73-77.
LUO Kai, , LUO Xu, FENG Zhongke, LI Jing_rui, WU Lu-lu, . Application of SOFM neural network in classification of remote sensing images.[J]. Journal of Beijing Forestry University, 2008, 30(增刊1): 73-77.
Citation: LUO Kai, , LUO Xu, FENG Zhongke, LI Jing_rui, WU Lu-lu, . Application of SOFM neural network in classification of remote sensing images.[J]. Journal of Beijing Forestry University, 2008, 30(增刊1): 73-77.

自组织特征映射网络在遥感影像分类中的应用

Application of SOFM neural network in classification of remote sensing images.

  • 摘要: 该研究以Matlab为平台,应用自组织特征映射网络模型对研究区的遥感影像数据进行土地使用类型的分类。结果表明:在设计神经网络模型时,输出层节点数的确定不仅与分类数相关,同时也需要考虑研究区数据的模数,输出层节点数正确与否很大程度上制约着研究结果的精度。研究证明,自组织特征映射网络通过神经元之间的竞争能模拟大脑神经系统中的“近兴奋远抑制"功能使得该网络的收敛性更好,其分类精度较高,而且该神经网络不需要学习样本使其应用更加简单。因此自组织特征映射网络在遥感分类中有着很好的应用前景。
  • [1] 贺梦莹, 董利虎, 李凤日.  长白落叶松−水曲柳混交林冠幅预测模型 . 北京林业大学学报, 2020, 42(7): 23-32. doi: 10.12171/j.1000-1522.20190250
    [2] 雷善清, 王文娟, 徐艺心, 王雨辰, 陈利俊, 杜志强, 李景文.  多枝柽柳改变胡杨幼苗根系对土壤水盐的响应 . 北京林业大学学报, 2020, 42(7): 89-97. doi: 10.12171/j.1000-1522.20190441
    [3] 刘嘉政, 王雪峰, 王甜.  基于多特征融合和CNN模型的树种图像识别研究 . 北京林业大学学报, 2019, 41(11): 76-86. doi: 10.13332/j.1000-1522.20180366
    [4] 高述民, 杨慕菡, 祝园园, 周燕.  CMLs参与调控植物花粉授粉竞争的作用 . 北京林业大学学报, 2019, 41(3): 143-150. doi: 10.13332/j.1000-1522.20180375
    [5] 罗梅, 陈绍志.  不同龄组长白落叶松种内及种间竞争研究 . 北京林业大学学报, 2018, 40(9): 33-44. doi: 10.13332/j.1000-1522.20180126
    [6] 王晓松, 杨刚.  一种融合聚类和分类算法的树木图像多目标优化分割方法 . 北京林业大学学报, 2018, 40(12): 124-131. doi: 10.13332/j.1000-1522.20180160
    [7] 陈永辉, 张晓丽, 刘会玲, 王书涵.  甘肃大野口青海云杉距离加权大小比竞争指数研究 . 北京林业大学学报, 2017, 39(2): 40-48. doi: 10.13332/j.1000-1522.20160210
    [8] 韩大校, 金光泽.  地形和竞争对典型阔叶红松林不同生长阶段树木胸径生长的影响 . 北京林业大学学报, 2017, 39(1): 9-19. doi: 10.13332/j.1000-1522.20160218
    [9] 邢海涛, 陆元昌, 刘宪钊, 王晓明, 贾宏炎, 曾冀.  基于近自然改造的马尾松林分竞争强度研究 . 北京林业大学学报, 2016, 38(9): 42-54. doi: 10.13332/j.1000-1522.20160023
    [10] 王丽君, 淮永建, 彭月橙.  基于叶片图像多特征融合的观叶植物种类识别 . 北京林业大学学报, 2015, 37(1): 55-69. doi: 10.13332/j.cnki.jbfu.2015.01.006
    [11] 王妍, 杨华, 李艳丽, 邱实.  基于结构方程模型的林木竞争指标研究 . 北京林业大学学报, 2015, 37(4): 28-37. doi: DOI:10.13332/j.1000-1522.20140075
    [12] 李际平, 房晓娜, 封尧, 孙华, 曹小玉, 赵春燕, 李建军.  基于加权Voronoi图的林木竞争指数 . 北京林业大学学报, 2015, 37(3): 61-68. doi: 10.13332/j.1000-1522.20140310
    [13] 吴梦宇, 罗琴娟, 韩摇宁.  基于多运动特征的森林火灾烟雾图像识别算法 . 北京林业大学学报, 2013, 35(3): 154-158.
    [14] 董利虎, 李凤日, 贾炜玮.  林木竞争对红松人工林立木生物量影响及模型研究 . 北京林业大学学报, 2013, 35(6): 14-22.
    [15] 黄儒乐, 吴江, 韩宁.  林火烟雾图像自动识别中的模式分类器选择 . 北京林业大学学报, 2012, 34(1): 92-95.
    [16] 郝鹏, 李景文, 丛日春, 张楠, 井家林, 黄晶晶.  苦豆子根系对土壤异质性和竞争者的响应 . 北京林业大学学报, 2012, 34(5): 94-99.
    [17] 李春干, 邵国凡.  Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究 . 北京林业大学学报, 2010, 32(4): 1-5.
    [18] 骆宗诗, 向成华, 章路, 谢大军, 罗晓华.  花椒林细根空间分布特征及椒草种间地下竞争 . 北京林业大学学报, 2010, 32(2): 86-91.
    [19] 史宇, 余新晓, 岳永杰, 王小平, 秦永胜, 陈俊崎, .  北京山区天然侧柏林种内竞争研究 . 北京林业大学学报, 2008, 30(supp.2): 36-40.
    [20] 张金屯, 孟东平, 席跃翔.  自组织神经影射网络排序及其在植物群落分析中的应用 . 北京林业大学学报, 2008, 30(1): 1-5.
  • 加载中
计量
  • 文章访问数:  4852
  • HTML全文浏览量:  50
  • PDF下载量:  32
  • 被引次数: 0
出版历程
  • 收稿日期:  1900-01-01
  • 修回日期:  1900-01-01
  • 刊出日期:  2008-03-30

自组织特征映射网络在遥感影像分类中的应用

摘要: 该研究以Matlab为平台,应用自组织特征映射网络模型对研究区的遥感影像数据进行土地使用类型的分类。结果表明:在设计神经网络模型时,输出层节点数的确定不仅与分类数相关,同时也需要考虑研究区数据的模数,输出层节点数正确与否很大程度上制约着研究结果的精度。研究证明,自组织特征映射网络通过神经元之间的竞争能模拟大脑神经系统中的“近兴奋远抑制"功能使得该网络的收敛性更好,其分类精度较高,而且该神经网络不需要学习样本使其应用更加简单。因此自组织特征映射网络在遥感分类中有着很好的应用前景。

English Abstract

罗凯, 罗旭, 冯仲科, 李静锐, 吴露露, . 自组织特征映射网络在遥感影像分类中的应用[J]. 北京林业大学学报, 2008, 30(增刊1): 73-77.
引用本文: 罗凯, 罗旭, 冯仲科, 李静锐, 吴露露, . 自组织特征映射网络在遥感影像分类中的应用[J]. 北京林业大学学报, 2008, 30(增刊1): 73-77.
LUO Kai, , LUO Xu, FENG Zhongke, LI Jing_rui, WU Lu-lu, . Application of SOFM neural network in classification of remote sensing images.[J]. Journal of Beijing Forestry University, 2008, 30(增刊1): 73-77.
Citation: LUO Kai, , LUO Xu, FENG Zhongke, LI Jing_rui, WU Lu-lu, . Application of SOFM neural network in classification of remote sensing images.[J]. Journal of Beijing Forestry University, 2008, 30(增刊1): 73-77.

目录

    /

    返回文章
    返回