概率神经网络与BP网络模型在遥感图像分类中的对比研究

被引：15

作者：

李朝锋

杨茂龙

许磊

杨蒙召

机构：

[1] 江南大学信息工程学院

[2] 解放军国际关系学院航天侦察教研室

[3] 江南大学信息工程学院无锡

[4] 南京

[5] 无锡

来源：

国土资源遥感 | 2004年 / 04期

关键词：

概率神经网络; 遥感图像分类; 反向传播神经网络;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

通过分析概率神经网络(以下称PNN)的基本结构及其训练算法,建立了卫星图像分类的概率神经网络模型,并通过实例对比分析了概率神经网络与BP网络分类模型的分类效果。实验表明,PNN图像分类方法在分类精度上优于误差反向传播神经网络模型,且分类时间相当,是一种有效的图像分类方法。

引用

页码：11 / 13+18 +18-78

页数：5

共 4 条

[1] BP网络改进模型的性能对比研究 [J].

李朝峰 ;

屈颖歌 ;

夏德深 ;

邹海 ;

不详 .

计算机工程与应用 , 2003, (19) :120-121+132

[2] 一种新的基于Dempster-Shafer理论的自适应遥感分类融合方法 [J].

刘纯平 ;

刘伟强 ;

孔玲 ;

夏德深 .

国土资源遥感, 2002, (03) :48-53

[3] 人工神经网络在遥感中的应用与发展 [J].

江东 ;

王建华 .

国土资源遥感, 1999, (02) :15-21

[4] 基于邻域统计特性的概率神经网络及其在自动目标识别中的应用 [J].

刘天溶，沈定刚，戚飞虎 .

红外与毫米波学报, 1995, (01) :52-58

← 1 →