一种基于生物群集智能优化的遥感分类方法

被引：9

作者：

刘小平 ^{[1
]}

黎夏 ^{[1
]}

彭晓鹃 ^{[2
]}

黎海波 ^{[1
]}

何晋强 ^{[1
]}

机构：

[1] 中山大学地理科学与规划学院

[2] 南海环境监测中心

来源：

中国科学(D辑:地球科学) | 2007年 / 10期

关键词：

群集智能; 粒子群(Particle Swarm Optimization,PSO); 遥感影像; 分类;

D O I：

暂无

中图分类号：

Q14 [生态学（生物生态学）];

学科分类号：

071012 ; 0713 ;

摘要：

提出了一种基于生物群集智能(swarm intelligence-based)的遥感影像分类新方法.智能式分类是遥感研究的热点和趋势.设计出一种新的实数制编码的粒子群遥感影像分类器(PSO-Miner),在分类规则提取时,粒子能自动寻找各个波段的最优分割点.并且该方法所提取的分类规则毋需通过数学公式来表达,能更方便和准确地描述自然界中的复杂关系,比数学公式更容易让人理解.将该方法应用于番禺地区的遥感影像,取得了较好的分类结果.并与See5.0决策树方法进行了对比研究,实验结果表明,基于群集智能方法的分类精度比决策树方法的精度更高.

引用

页码：1400 / 1408

页数：9

共 5 条

[1] An assessment of the effectiveness of decision tree methods for land cover classification [J].

Pal, M ;

Mather, PM .

REMOTE SENSING OF ENVIRONMENT, 2003, 86 (04) :554-565

[2] Solving Unit Commitment problem using Hybrid Particle Swarm Optimization [J].

Ting, TO ;

Rao, MVC ;

Loo, CK ;

Ngu, SS .

JOURNAL OF HEURISTICS, 2003, 9 (06) :507-520

[3] An assessment of support vector machines for land cover classification [J].

Huang, C ;

Davis, LS ;

Townshend, JRG .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2002, 23 (04) :725-749

[4] Decision tree classification of land cover from remotely sensed data [J].

Friedl, MA ;

Brodley, CE .

REMOTE SENSING OF ENVIRONMENT, 1997, 61 (03) :399-409

[5]

Classification of multispectral remote sensing data using a back propagation neural network .2 Heerman P D,Khazenie N. IEEE T Geosci Remote Sens . 1992

← 1 →