基于纠错编码的CSNN及其在遥感图像分类中的应用

单输出组合神经网络 (CSNN)克服了BP神经网络固有的缺陷 ,具有网络结构确定、分类行为易于解释、并行性好等优点 ,但分类精度比经过结构选择的BPNN略差 采用纠错编码可以提高CSNN的分类精度 ,首先根据类别数与纠错能力确定类别码组 ,每个码字对应一种类别 ,每个SNN子网对这些码字中的同一位进行训练 ,从而确定网络结构与每个子网所学习的二值函数 ;对未知类别的样本进行分类时 ,各SNN的结果组成一个输出码 ,计算该输出码与各类别码的汉明距离 ,选择与其距离最近的类别码所对应的类别为该样本的类别 ;基于纠错编码的CSNN的分类行为易于转化为规则集形式 ,可理解性强 将该网络结构用于遥感图像分类 ,并与其他分类算法进行比较 ,结果表明采用纠错编码技术 ,CSNN不仅具备原有的各项优点 。