基于Fuzzy ARTMAP神经网络的高分辨率图象土地覆盖分类及其评价

主要讨论了基于 Fuzzy ARTMAP神经网络的高分辨率遥感图象土地覆盖分类方法及其实践 .首先介绍了 Fuzzy ARTMAP神经网络的原理 ,然后用 SPOT XS图象试验数据进行土地覆盖分类 .分类结果与传统的最大似然监督分类 (ML C)、反馈式 (Back Propagation,BP)神经网络的分类结果进行了比较 .通过抽取 5 0 0个样点对 3种分类结果进行精度评价表明 ,Fuzzy ARTMAP神经网络相对其他两种方法 ,分类精度均有不同程度的改善 ,具有更好的分类结果 ,总分类精度比 ML C和 BP算法分别提高 17.4 1%、7.32 % .最后 ,对不同分类方法对于土地覆盖分类结果的影响进行了评价和分析 .试验表明 ,Fuzzy

Fuzzy ARTMAP神经网络在土地覆盖分类中的应用研究

面对数量激增、包含信息日趋复杂的遥感影像,如何快速有效地自动分类已成为遥感领域亟待解决的问题。以TM影像为实例,探讨了FuzzyARTMAP神经网络在土地覆盖分类方面的应用。在总结FuzzyARTMAP网络警戒系数调整方法的基础上,提出了一种新的设置和调整警戒系数的方法。实验结果表明,这种新方法可以解决人为选择警戒系数效率低、难以取得合适数值的问题,并能提高网络的收敛速度和分类精度,结合本文所提算法的FuzzyARTMAP神经网络与最大似然法和传统FuzzyARTMAP网络相比较,训练时间缩短,分类精度有所提高。FuzzyARTMAP网络用于土地覆盖分类研究可以获得相对较好的分类结果。

向海自然保护区土地覆盖分类研究

探讨了FuzzyARTMAP神经网络在向海自然保护区土地覆盖分类中的应用.全文阐述了FuzzyARTMAP网络结构及其采用的算法,提出一种引入遥感图像判读结果的警戒系数自动调整方法,能够解决人为选择警戒参数效率低、难以取得合适数值的问题.结果表明,具有警戒系数调整功能的FuzzyARTMAP神经网络能够有效的对向海自然保护区的TM影像进行分类,它与最大似然法和传统的FuzzyARTMAP神经网络相比对样本的依赖程度较低,分类精度较高.警戒系数自动调整方法根据遥感影像判读结果自动调整网络参数,提高了网络的运行速度.从分类结果可以看出,向海自然保护区目前开荒现象比较严重,草场有所退化,沼泽有荒漠化迹象,应当采取相应的措施保护向海湿地资源.