ASTER数据的自组织神经网络分类研究

• 作者: 哈斯巴干 李启青 马建文
• 来源期刊: 地球科学进展
• 关键词: 分类 小波融合 自组织特征映射 神经网络
• 年，卷（期）: 2003,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 345-350
• 页数: 6页
• 分类号: TP183|TP7
• 语种: 中文
• DOI: 10.3321/j.issn:1001-8166.2003.03.004

摘要

传统的遥感数据分类方法大多基于统计学的参数估计,假设数据分布服从高斯正态分布.神经网络方法无需参数估计和统计假设,因而,近来越来越多地应用于遥感数据分类之中.介绍了基于聚类分析的自组织特征映射分类方法.ASTER卫星数据是新型遥感数据,包括3个15 m分辨率波段和3个30 m分辨率的短波红外波段.选择北京地区的ASTER数据作为方法实验数据,首先对数据进行了小波融合,然后进行了土地覆盖类型的自组织特征映射神经网络分类研究,把研究结果同最大似然判别法得到的分类结果进行了比较,分类精度比最大似然判别法总体提高了9%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马建文	中国科学院遥感应用研究所	78	1970	24.0	42.0
2	哈斯巴干	中国科学院遥感应用研究所	16	366	10.0	16.0
3	李启青	中国科学院遥感应用研究所	16	238	10.0	15.0