基于SFAM神经网络集成的土地评价

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.

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

所属期刊栏目：24

分类号：TP183;S29(自动化基础理论)

资助基金：广东省自然科学基金04300504;05006623;广东省科技攻关计划2005820701008. 2005810101028. 2004820701006;国家科技攻关计划2002BA516A08;国家星火计划2006EA780057

在线出版日期：2008-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：184-188