一种新的基于Dempster-Shafer理论的自适应遥感分类融合方法

• 作者: 刘伟强 刘纯平 夏德深 孔玲
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 数据融合 Dempster-Shafer证据理论 模糊Kohonen神经网络 遥感 分类
• 年，卷（期）: 2002,（3）
• 所属期刊栏目: 技术方法
• 页码范围: 48-53
• 页数: 6页
• 分类号: TP391.41
• 字数: 4348字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-070X.2002.03.013

摘要

提出了一种基于Dempster-Shafer's理论和模糊Kohonen神经网络分类融合的方法.该方法融合了非监督神经网络模型和在Dempster-Shafer证据理论框架中使用邻域信息的思想,即当一个待识别模式的每个邻域被划分为支持识别框架中某一类的一个证据体时,该证据体支持关于该模式隶属关系的某一假设.SPOT遥感数据的分类实验证明,该方法同已有的神经网络技术分类方法相比较,具有更强的分类能力.