粗集約簡的神經網(wǎng)絡集成在遙感影像分類中的應用.pdf

1、隨著遙感衛(wèi)星的發(fā)展與應用,遙感圖像分類備受關注,而計算機模式識別成為當前分類的一個重要手段。模式識別中的神經網(wǎng)絡在遙感圖像分類中得到了廣泛的應用。但是基于神經網(wǎng)絡不能簡化信息空間維數(shù),不能判斷冗余信息。粗糙集理論是處理不確定和模糊知識的工具,在大量的數(shù)據(jù)中粗糙集理論可以提取知識的相關性,從中發(fā)現(xiàn)隱含的知識和揭示潛在的規(guī)律,通過約簡去除冗余信息。為了降低空間維數(shù),將粗糙集與神經網(wǎng)絡結合,構建分類模型。本文利用它們各自的優(yōu)勢,將粗糙集與神經

2、網(wǎng)絡結合,構造了一種分類模型。首先介紹了粗糙集的基本理論,詳細的介紹了粗糙集的屬性約簡原理。粗糙集約簡的方法有很多,本文中應用基于遺傳算法的屬性約簡算法,介紹了它的理論基礎。其次,對神經網(wǎng)絡基礎知識做了系統(tǒng)介紹,利用基于屬性約簡后的數(shù)據(jù),用BP神經網(wǎng)絡對遙感影像分類經過實驗證明該方法的有效性。最后,提出一種基于粗糙集約簡的神經網(wǎng)絡集成方法,利用Boosting或Bagging算法生成多個相關性小的個體網(wǎng)絡對個體網(wǎng)絡集成,對此進行實驗并取