土地利用分类粒子群优化概率神经网络半监督算法

摘要：

针对以往土地利用监测大都采用监督分类算法,成本较高、错分漏分严重且受人为因素影响较大的问题,提出了一种粒子群优化概率神经网络的半监督分类算法.该算法通过粒子群优化算法优化分类器的参数,提高分类器的精度,运用香农熵选择高置信度的样本扩展初始训练样本集,将大量未标记的样本扩展到训练样本集中,减少了初始标签样本的数量,节约了成本,并与随机森林法、最大似然法、概率神经网络算法进行对比分析,总体精度较其他算法提高了1.25 ～6.57个百分点,Kappa系数达到0.8以上.对新乡市1996年、2004年、2013年、2020年的遥感影像进行土地分类,结果表明1996-2020年间新乡市的建设用地以中部地区新乡县为中心不断扩张,耕地面积也在不断增加,其他用地面积不断减少,沿黄河绿地面积不断增加;土地流转方面耕地转建设用地最为明显,本研究为新乡市进一步合理开发土地资源提供了理论依据.

关键词：土地利用分类;半监督算法;粒子群优化;概率神经网络;香农熵;转移矩阵

所属期刊栏目：53

分类号：TP79(遥感技术)

资助基金：国家自然科学基金;河南省科技攻关项目;河南省科技攻关项目;河南理工大学博士基金

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：167-176