ASTER数据的自组织神经网络分类研究

摘要：

传统的遥感数据分类方法大多基于统计学的参数估计,假设数据分布服从高斯正态分布.神经网络方法无需参数估计和统计假设,因而,近来越来越多地应用于遥感数据分类之中.介绍了基于聚类分析的自组织特征映射分类方法.ASTER卫星数据是新型遥感数据,包括3个15 m分辨率波段和3个30 m分辨率的短波红外波段.选择北京地区的ASTER数据作为方法实验数据,首先对数据进行了小波融合,然后进行了土地覆盖类型的自组织特征映射神经网络分类研究,把研究结果同最大似然判别法得到的分类结果进行了比较,分类精度比最大似然判别法总体提高了9%.

关键词：分类、小波融合、自组织特征映射、神经网络

所属期刊栏目：18

分类号：TP183;TP7(自动化基础理论)

资助基金：国家高技术研究发展计划863计划2002AA134030;国家高技术研究发展计划863计划2002AA133030

在线出版日期：2003-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：345-350