基于鱼群算法的极限学习机影像分类方法优化

摘要：

在传统极限学习机(ELM)研究的基础上,考虑到传统ELM参数的不确定会导致整体分类精度下降,利用仿生鱼群算法(AF)对ELM的小波核参数和正则化参数进行寻优,并构造参数优化后的小波ELM影像分类模型(AF-ELM).通过实验比较了该算法与人工神经网路(ANN)、支持向量机(SVM)、极限学习机(ELM)等标准分类器在遥感影像分类上的精度与速度差异,并且与ELM多项式核、RBF核分类算法进行比较分析,验证了AF-ELM在分类速度和精度上的优越性.实验结果表明,AF-ELM分类方法分类速度较快,精度较高,均优于其他分类方法.能较好地应用于遥感影像上各类地物要素的自动提取.

关键词：极限学习机、鱼群算法、影像分类、小波核函数、遥感影像、优化

所属期刊栏目：48

分类号：TP79;F301.2(遥感技术)

资助基金：国土资源部公益性行业科研专项201211011;上海市科学技术委员会科研计划项目13231203602

在线出版日期：2017-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：156-164