椭球径向基模型及其遥感分类方法研究

• 作者: 明冬萍 沈占锋 郑江 陈秋晓 骆剑承
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 遥感分类 椭球径向基函数 EM算法 混合密度
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 8-12
• 页数: 5页
• 分类号: TP391
• 字数: 4862字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2005.01.002

摘要

椭球径向基函数神经网络(EBF)是在径向基函数(RBF)映射理论基础上的改进.在保留RBF三层网络结构基础上,EBF采用了EM算法来估计特征空间的混合密度分布参数,用椭球体集合来分解混合密度分布,从而构造了神经网络的中间层基函数的状态.由于在遥感数据的特征空间中通常表现为混合密度分布,EBF模型能够充分利用EM算法获得的最大似然参数估计得到更合理的特征空间的密度分解模型,从而使得EBF模型能够在保留了RBF非线性复杂映射能力的同时,获得更合理的分类结果.本文提出了基于EBF的遥感分类方法,试验结果表明EBF方法比RBF方法训练速度更快、网络连接更简单、分类精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	骆剑承	中国科学院地理科学与资源研究所	124	4043	33.0	60.0
2	明冬萍	中国科学院地理科学与资源研究所	15	465	9.0	15.0
3	沈占锋	中国科学院地理科学与资源研究所	93	1646	22.0	36.0
4	陈秋晓	中国科学院地理科学与资源研究所	9	434	7.0	9.0
5	郑江	中国科学院地理科学与资源研究所	7	138	5.0	7.0