基于SFAM神经网络集成的土地评价

被引：13

作者：

薛月菊 ^{[1
]}

胡月明 ^{[2
]}

杨敬锋 ^{[1
]}

陈强 ^{[1
]}

机构：

[1] 华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室

[2] 华南农业大学信息学院

来源：

农业工程学报 | 2008年 / 03期

基金：

广东省自然科学基金;

关键词：

土地评价; 神经网络集成; SFAM神经网络; BP神经网络; RBF神经网络;

D O I：

暂无

中图分类号：

F301 [土地经济学];

学科分类号：

082802 ; 1204 ; 120405 ;

摘要：

SFAM(Simplified Fuzzy ARTMAP,简化的模糊ARTMAP)神经网络具有自组织反馈、增量式学习和高度复杂映射等特点,是一种较BP神经网络和RBF神经网络等前馈神经网络更优秀的自组织神经网络。为克服SFAM神经网络受输入样本顺序的影响,提高土地评价的精度,提出利用SFAM神经网络集成进行土地评价的方法。并用SFAM神经网络、SFAM神经网络集成、BP神经网络、BP神经网络集成、RBF神经网络和RBF神经网络集成等方法对广东省中山市的土地进行了评价,对评价结果进行了分析和比较,结果表明SFAM神经网络具有比BP神经网络和RBF神经网络更优越的评价性能;对于这三种不同的神经网络,神经网络集成的土壤评价精度分别高于单个神经网络的精度。

引用

页码：184 / 188

页数：5

共 7 条

[1] 从神经网络中抽取土地评价模糊规则 [J].