基于粗糙集约简的神经网络集成及其遥感图像分类应用
为降低集成特征选择方法的计算复杂性,提出了一种基于粗糙集约简的神经网络集成分类方法.该方法首先通过结合遗传算法求约简和重采样技术的动态约简技术,获得稳定的、泛化能力较强的属性约简集;然后,基于不同约简设计BP网络作为待集成的基分类器,并依据选择性集成思想,通过一定的搜索策略,找到具有最佳泛化性能的集成网络;最后通过多数投票法实现神经网络集成分类.该方法在某地区Landsat 7波段遥感图像的分类实验中得到了验证,由于通过粗糙集约简,过滤掉了大量分类性能欠佳的特征子集,和传统的集成特征选择方法相比,该方法时间开销少,计算复杂性低,具有满意的分类性能.
粗糙集、约简、神经网络集成、遥感图像分类
13
TP391.41;TP753(计算技术、计算机技术)
国家自然科学基金60775047;湖南省自然科学基金06JJ50112
2008-06-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
480-487