基于相容粗糙集的bp神经网络湿地覆被信息提取-资源科学.pdf

Resources Science 第38卷 第8期 2016年8月 2016，38（8）：1538-1549 Vol.38，No.8Aug.，2016 引用格式：周林飞，姚雪，芦晓峰. 基于相容粗糙集的BP 神经网络湿地覆被信息提取——以双台子河口湿地为例[J]. 资源科学， 2016 ，38 （8）：1538- 1549. [Zhou L F ，Yao X ，Lu X F. Wetland land-cover information extraction of BP neural network based on tolerant rough set in Shuangtaizi estuarine wetland[J]. Resources Science ，2016 ，38（8）：1538-1549]. DOI：10.18402/resci.2016.08.12 基于相容粗糙集的BP神经网络湿地覆被信息提取 ——以双台子河口湿地为例 周林飞，姚 雪，芦晓峰 （沈阳农业大学水利学院，沈阳110161） 摘 要：BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中，但是该方 法训练时容易陷入局部极小值，且收敛速度较慢，针对这些不足提出一种基于相容粗糙集的BP神经网络分类方 法。本文以双台子河口湿地为研究对象，以Landsat-8OLI影像为数据基础，利用相容粗糙集理论对样本数据集进 行预处理，将得到的数据作为新的训练样本，在Matlab软件平台下建立BP神经网络的湿地覆被分类模型，进行湿 地覆被信息提取，将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。 结果表明，基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据，提高网络的训练成功率，缩 短网络的收敛时间，分类效果较好，其总体精度达到91.25%，Kappa系数为0.8969，比单纯的BP神经网络分类结果 高7.92%和0.0926，比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357，是一种有效的湿地覆被分类 方法。 关键词：相容粗糙集；BP神经网络；湿地分类；Landsat-8影像；双台子河口湿地 DOI：10.18402/resci.2016.08.12 1 引言 物同谱和混合像元等现象的分类精度较低。由于 由于湿地兼具水陆两种生态系统特征，具有多 BP神经网络对数据类型和分布函数没有特殊要求， 种生态功能和经济价值，近年来一直是人类开发利 且具有大规模并行处理、自适应性、自学习性、鲁棒 [5] [1] 性和容错性等特点 ，已成为遥感影像信息提取的 用的对象之一 。然而，随着工业的发展和生态环 [6-8] 境的加速恶化，湿地资源遭到严重破坏，湿地面积 热点分类方法 。但是遥感数据中的噪声数据容 [2，3] 易造成BP网络收敛速度较慢、训练陷入局部极小 不断减少，生态功能逐渐退化 。因此，为了保护 [9] 和恢复湿地资源，及时、准确地获取湿地变化信息 值等问题，极大地影响了分类的效果 。因此，采用