基于小波融合的ASTER数据自组织特征映射神经网络分类研究

摘要：

重点介绍了有自组织功能的两层结构的神经网络Kohonen自组织特征映射, 两层之间各神经元实现全连接并且在竞争层各神经元之间还存在侧连接, 实现了有效的竞争和抑制, 提高了自适应的学习能力, 因此成为国际遥感数据分类的研究热点.ASTER卫星数据是新型遥感数据, 包括3个15 m分辨率波段和3个30 m分辨率的短波红外波段. 选择天津大港ASTER数据作为方法实验数据, 首先对数据进行了小波融合, 然后进行了土地覆盖类型的神经网络分类研究.研究结果与相同训练点的最大似然监督分类比较, 总体提高分类精度7%, 特别对城镇分类精度提高近一倍.

关键词：分类、小波融合、自组织特征映射、ASTER数据

所属期刊栏目：33

分类号：TP18(自动化基础理论)

资助基金：国家科技攻关项目2002BA904B07;中国科学院知识创新工程项目KZCX-312,CX020014;国家重点基础研究发展计划973计划2002CB412500

在线出版日期：2003-11-07（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：895-902