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

编号 zgly0000311937

文献类型 期刊论文

文献题名 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

作者 哈斯巴干  马建文  李启青  韩秀珍  刘志丽 

作者单位 中国科学院遥感应用研究所遥感信息科学重点实验室 

母体文献 中国科学: D辑 

年卷期 2003,33(9)

页码 895-902

年份 2003 

分类号 TP751  TP183 

关键词 遥感  数据分类  小波融合  ASTER卫星数据  自组织特征映射神经网络  土地覆盖类型 

文摘内容 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15m分辨率波段和3个30m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。