基于高维云模型和RBF神经网络的遥感影像不确定性分类方法

摘要：

云模型是用自然语言值表示的某个定性概念与其定量表示之间的不确定性转换模型,RBF神经网络已经广泛应用于遥感影像分类.考虑到传统的RBF神经网络分类技术不能有效表达影像分类过程中存在的不确定性、难以自适应地确定隐含层神经元,本文提出了一个基于高维云模型和改进RBF神经网络的不确定性分类技术.利用高维正态云创建隐含层神经元,使RBF神经网络能充分表达影像分类过程中存在的不确定性.通过峰值法云变换和高维云算法自适应地确定最优隐含层神经元.通过基于概率的权值确定和频率阈值调整,进一步优化RBF神经网络的结构.实验表明,本文提出的方法有较高的分类精度,分类结果基本上与人眼目视解译一致.

关键词：高维云模型、正向云发生器、逆向云发生器、峰值法云变换、RBF神经网络、不确定性分类

所属期刊栏目：37

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家863计划资助项目2006AA12Z136;国家支撑计划资助项目2006BAJ09B01

在线出版日期：2012-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：115-118