影像对象的尺度表示.ppt

遥感影像分类;遥感影像计算机自动解译;遥感影像分类;分类标准;基于统计的分类方法;遥感影像光谱特征分布特点;遥感影像分类原理;基于光谱特征的分类原理;监督分类和非监督分类;遥感分类基本过程;非监督分类—特征空间图形识别;特征空间图形识别分类特点;非监督分类—系统聚类;系统聚类法的局限性;非监督分类—动态聚类;监督分类;监督分类-训练样区选择与统计;监督分类—训练样本的选取;监督分类—训练样本的选取;监督分类-波段特征选取;监督分类-最小距离分类法;距离公式;监督分类--最大似然比分类法;遥感影像分类后处理-小区合并;遥感影像分类后处理—误差分析;辅助数据改进遥感分类的方法;遥感信息与非遥感信息的复合;遥感信息与地球物理、化学数据复合;遥感信息与地球物理、化学数据复合;基于面向对象影像分割的分类方法;遥感信息认知中的对象;面向基元的遥感信息提取方案;遥感信息认知中的尺度问题;影像对象的尺度表示;*;尺度空间内影像对象构建;*;*;影像对象的特征描述;基于对象的信息识别;人工神经网络分类;生物神经网络(biological neural network, BNN)，特别是人脑 人工神经网络(artificial neural network, ANN)：由大量神经元经广泛互联组成的非线性网络（功能模块，数学模型） 自底向上的综合方法：;*;神经网络-Artificial neural network;神经元模型;神经网络的学习方法;监督学习;第八章 人工神经网络;误差纠正学习;前馈神经网络及其主要方法;感知器;感知器目标输出的编码方法;多层感知器;多层感知器的一致逼近性;反向传播(BP)算法;初始值选择 前向计算，求出所有神经元的输出 对输出层计算δ 从后向前计算各隐层δ 计算并保存各权值修正量： 修正权值： 判断是否收敛，如果收敛则结束，不收敛则转至Step 2;模糊分类;模糊聚类分析具体步骤如下： 首先确定Xi 与Xj间的相关程度rij=μ(xi , xj)，然后建立模糊相似矩阵。 将相似矩阵改造成等价矩阵。为此作矩阵合成运算。当某一步出现R2K=RK时，便是一个模糊等价矩阵。 有了等价矩阵RK，根据聚类需细分还是粗分的要求，在[0，1]中选取一个数λ，凡rij≥λ的元素变为l，否则变为0，从而达到分类的目的。 ; ;例:设??分类的对象集U＝{u1，u2，u3，…u 5}，每个对象的特征数据如下 ;;综合评判