重复传播网络的改进及其在遥感分类中的应用研究

对重复传播网络在权值初始化、网络学习进行修改 ,实现在一定警戒条件下竞争层节点的动态分配 ,并在遥感分类上进行实验。重复传播网络中学习次数影响了竞争层节点数目和学习精度 ,学习精度随学习次数的增加而有限度的增加 ;警戒参数决定了节点调整的搜索范围 ,随学习过程进行 ,节点搜索范围变小 ,保证了分类精度和网络的稳定性 ;两层竞争层结构分类精度要优于单层 ,其总精度和 Kappa系数分别提高 1 .1 % ,0 .0 2。实验结果表明该方法是一可行的遥感分类方法。