基于紋理信息提取與神經(jīng)網(wǎng)絡分類方法的遙感影像分類畢業(yè)論文(編輯修改稿)
2025-07-20 22:18 本頁面
【文章內(nèi)容簡介】 遙感影像分類中, 一般指定一個最大訓練次數(shù), 當神經(jīng)網(wǎng)絡學習達到該次數(shù)時即停止訓練, 這種方法無法保證達到指定的訓練精度, 但可以防止網(wǎng)絡訓練時間過長。 本實驗運用不同的參數(shù)設(shè)置與分類方法進行實驗： Ⅰ 基于光譜信息的神經(jīng)網(wǎng)絡分類： （1）利用上述原理與經(jīng)驗得出的分類參數(shù)設(shè)置經(jīng)驗值進行分類①神經(jīng)網(wǎng)絡參數(shù)設(shè)置對話框各個參數(shù)說明：本文中試驗采用3 層BP 神經(jīng)網(wǎng)絡。輸入層為ETM+ 5, 4, 3 波段，輸入層節(jié)點數(shù)設(shè)為3，輸出層節(jié)點數(shù)目和分類后的地物數(shù)目相同, 這里為8。在試驗中隱含層與輸出層的傳遞函數(shù)采用logsitic，根據(jù)上述參數(shù)設(shè)置經(jīng)驗，網(wǎng)絡的其他各參數(shù)設(shè)置如下：期望誤差最小值為0. 001；學習次數(shù)為10000；隱藏層為1層； 修正權(quán)值的學習速率為0. 05；訓練初始權(quán)重為0. 075。216。 在主菜單中，選擇ClassificationSupervised Neural Net Classification，在文件輸入對話框中選擇TM分類影像。單擊OK按鈕打開Neural Net Classification參數(shù)設(shè)置面板。如下圖：在ENVI中參數(shù)設(shè)置216。 Activation：選擇活化函數(shù)。對數(shù)（Logistic）和雙曲線（Hyperbolic）。（本研究選擇Logistic，因為對數(shù)函數(shù)的效果更優(yōu)）216。 Training Threshold Contribution：輸入訓練貢獻閾值(01)。該參數(shù)決定了與活化節(jié)點級別相關(guān)的內(nèi)部權(quán)重的貢獻量。它用于調(diào)節(jié)節(jié)點內(nèi)部權(quán)重的變化。訓練算法交互式地調(diào)整節(jié)點間的權(quán)重和節(jié)點閾值，從而使輸出層和響應誤差達到最小。將該參數(shù)設(shè)置為0不會調(diào)整節(jié)點的內(nèi)部權(quán)重。適當調(diào)整節(jié)點的內(nèi)部權(quán)重可以生成一幅較好的分類圖像，但是如果設(shè)置的權(quán)重太大，對分類結(jié)果也會產(chǎn)生不良影響。216。 Training Rate：設(shè)置權(quán)重調(diào)節(jié)速度（0~1）。參數(shù)值越大則使訓練速度越快，但也增加擺動或者使訓練結(jié)果不收斂。216。 Training Momentum：輸入一個0~1的值。該值大于0時，在“Training Rate”文本框中鍵入較大值不會引起擺動。該值越大，訓練的步幅越大。該參數(shù)的作用是促使權(quán)重沿當前方向改變。216。 Training RMS Exit Criteria：指定RMS誤差為何值時，訓練應該停止。RMS誤差值在訓練過程中將顯示在圖表中，當該值小于輸入值時，即使還沒有達到迭代次數(shù)，訓練也會停止，然后開始進行分類。216。 Number of Hidden Layers：鍵入所用隱藏層的數(shù)量。要進行線性分類，鍵入值為0。沒有隱藏層，不同的輸入?yún)^(qū)域必須與一個單獨的超平面線性分離。要進行非線性分類，輸入值應該大于或等于1，當輸入的區(qū)域并非線性分離或需要兩個超平面才能區(qū)分類別時，必須擁有至少一個隱藏層才能解決這個問題。兩個隱藏層用于區(qū)分輸入空間，空間中的不同要素不臨近也不相連。216。 Number of Training Iterations：輸入用于訓練的迭代次數(shù)。216。 Min Output Activation Threshold：輸入一個最小輸出活化閾值。如果被分類像元的活化值小于該閾值，在輸出的分類中，該像元將被歸入未分類（unclassified）。216。 選擇分類結(jié)果的輸出路徑及文件名。216。 設(shè)置Out Rule Images為Yes，選擇規(guī)則圖像輸出路徑及文件名。216。 單擊OK按鈕執(zhí)行分類。②分類結(jié)果圖：基于光譜信息的神經(jīng)網(wǎng)絡分類結(jié)果圖 提取每類的光譜信息：
研究報告相關(guān)推薦
鄂ICP備17016276號-1