基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统的SOFM网络对高光谱图像分类精度低的缺点,提出了采用模糊积分与神经网络相结合的分类方法.即在改变网络的学习速率函数和邻域函数的前提下,同时对分类结果采用基于模糊积分的信息融合,使分类器之间相互补偿,并用高光谱图像的分类实验进行验证.与普通的SOFM网络和K均值聚类方法相比较,分类效果更好.
推荐文章
ASTER数据的自组织神经网络分类研究
分类
小波融合
自组织特征映射
神经网络
SOM神经网络改进及在遥感图像分类中的应用
分类
自组织特征映射
神经网络
遗传算法
遥感图像
基于改进自组织神经网络的遥感图像分类研究
SOM神经网络
BP神经网络
遥感影像分类
Landsat卫星遥感影像
基于粗糙集和自组织神经网络的聚类方法
自组织神经网络
粗糙集
聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进自组织竞争神经网络的高光谱图像分类
来源期刊 应用科技 学科 工学
关键词 SOFM神经网络 模糊积分 高光谱图像分类
年,卷(期) 2009,(8) 所属期刊栏目 现代电子技术
研究方向 页码范围 8-12
页数 5页 分类号 TP753
字数 4341字 语种 中文
DOI 10.3969/j.issn.1009-671X.2009.08.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵春晖 哈尔滨工程大学信息与通信工程学院 364 3419 27.0 39.0
2 刘凡 哈尔滨工程大学信息与通信工程学院 2 17 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (99)
参考文献  (5)
节点文献
引证文献  (12)
同被引文献  (6)
二级引证文献  (15)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(6)
  • 参考文献(0)
  • 二级参考文献(6)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(6)
  • 参考文献(0)
  • 二级参考文献(6)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(4)
  • 引证文献(2)
  • 二级引证文献(2)
2012(4)
  • 引证文献(0)
  • 二级引证文献(4)
2013(3)
  • 引证文献(0)
  • 二级引证文献(3)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2017(4)
  • 引证文献(2)
  • 二级引证文献(2)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
SOFM神经网络
模糊积分
高光谱图像分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
应用科技
双月刊
1009-671X
23-1191/U
大16开
哈尔滨市南通大街145号1号楼
14-160
1974
chi
出版文献量(篇)
4861
总下载数(次)
7
总被引数(次)
21528
相关基金
黑龙江省自然科学基金
英文译名:
官方网址:http://jj.dragon.cn/zr/index.asp
项目类型:
学科类型:
论文1v1指导