基于EM-EBF模型的遥感影像分类方法研究

摘要：

椭球径向基函数神经网络(EBF)是在径向基函数(RBF)映射理论基础上的改进.在保留RBF 3层网络结构基础上,EBF采用了最大期望算法来估计特征空间的混合密度分布参数,用椭球体集合来分解混合密度分布,从而构造了神经网络的中间层基函数的状态.由于遥感数据在特征空间中通常表现为混合密度分布,EBF模型能够充分利用期望最大(EM)算法获得的最大似然参数估计得到更合理的特征空间的密度分解模型,从而使得EBF模型能够保留RBF非线性复杂映射能力的同时,获得更合理的分类结果.为此提出了基于EBF的遥感分类方法,试验结果表明EBF方法比RBF方法网络连接更简单、分类精度更高.

关键词：人工神经网络、遥感影像分类、椭球径向基函数、EM算法、混合密度

所属期刊栏目：10

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金40101021

在线出版日期：2005-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：698-704