一种新的基于Dempster-Shafer理论的自适应遥感分类融合方法

编号 zgly0001596452

文献类型 期刊论文

文献题名 一种新的基于Dempster-Shafer理论的自适应遥感分类融合方法

作者 刘纯平  刘伟强  孔玲  夏德深 

作者单位 南京理工大学计算机系603教研室  南京理工大学计算机系603教研室南京210094  南京210094  南京210094 

母体文献 国土资源遥感 

年卷期 2002年03期

年份 2002 

分类号 TP751 

关键词 数据融合  Dempster-Shafer证据理论  模糊Kohonen神经网络  遥感  分类 

文摘内容 提出了一种基于Dempster-Shafer’s理论和模糊Kohonen神经网络分类融合的方法。该方法融合了非监督神经网络模型和在Dempster-Shafer证据理论框架中使用邻域信息的思想 ,即当一个待识别模式的每个邻域被划分为支持识别框架中某一类的一个证据体时 ,该证据体支持关于该模式隶属关系的某一假设。SPOT遥感数据的分类实验证明 ,该方法同已有的神经网络技术分类方法相比较 ,具有更强的分类能力