-
题名基于自编码神经网络的航空物探遥感数据分类方法研究
- 1
-
-
作者
于刘
-
机构
上海航空工业(集团)有限公司
-
出处
《计算机测量与控制》
2024年第3期253-258,共6页
-
文摘
航空物探遥感数据的采集过程中受到电磁波辐射等外界因素的影响,导致航空物探遥感数据分类准确率较低,为此提出基于自编码神经网络的航空物探遥感数据分类方法;根据航空物探对象的基本特征,设置遥感数据的分类标准;通过辐射校正、几何纠正、噪声消除等步骤,完成航空物探遥感数据的预处理;构建自编码神经网络,利用自编码神经网络算法,从光谱、形状、纹理等方面提取遥感数据特征,通过特征匹配确定航空物探遥感数据的所属类型;通过分类性能测试实验得出结论:所提方法的全局遥感数据分类成功率和错误率的平均值分别为99.8%和0.6%,局部遥感数据分类的成功率和错误率的平均值分别为99.8%和0.3%,即所提方法在分类性能方面具有明显优势。
-
关键词
自编码神经网络
航空数据
物探遥感数据
数据分类
-
Keywords
self-coding neural network
aviation data
geophysical remote sensing data
data classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-