基于遗传算法的多光谱影像非监督训练分类系统

摘要：

本文将遗传算法(GA)应用于非监督训练,提高了遥感数据的分类精度.遗传竞争学习算法(GA-CL)综合了遗传算法和简单的竞争学习算法,可用于改进非监督训练的结果.遗传算法在典型样本聚类的过程中可以避免得到局部最优值.Jeffries-Matusita(J-M)距离法是通过统计测量两个训练类别之间的分离度,可用于评价这种算法.将此算法应用于TM数据的结果显示,遗传算法改进了简单的竞争学习算法,与其他非监督训练算法相比,其提供了K-均值,GA-K-均值和简单的竞争学习算法.

关键词：非监督训练、聚类算法、人工神经网络、竞争学习算法、遗传算法

所属期刊栏目：11

分类号：TP751.1(遥感技术)

资助基金：Center for Hydrology, Soil Climatology, and Remote SensingHSCaRS;Alabama A&M University, NormalAL35762USA;the Agricultural Experiment Station, Alabama A&M University Journal No.593NAG5-10721;National Aeronautics and Space AdministrationNASA, Washington, DC, USA. Any use of trade, product or firm names is for descriptive purposes only and does not imply endorsement by the U.S. Government

在线出版日期：2008-01-14（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：702-709