椭球径向基模型及其遥感分类方法研究.PDF

第20卷第1期 数 据 采 集 与 处 理 V o l. 20 N o. 1 2005 年3 月 Journal of D ata A cquisition P rocessing M ar. 2005 文章编号:(2005) 椭球径向基模型及其遥感分类方法研究 骆剑承, 明冬萍, 沈占锋, 陈秋晓, 郑　江 ( 中国科学院地理科学与资源研究所, 北京, 100101) 摘要: 椭球径向基函数神经网络(EBF ) 是在径向基函数(RBF ) 映射理论基础上的改进。在保留RBF 三层网络结 构基础上, EBF 采用了EM 算法来估计特征空间的混合密度分布参数, 用椭球体集合来分解混合密度分布, 从而 构造了神经网络的中间层基函数的状态。由于在遥感数据的特征空间中通常表现为混合密度分布, EBF 模型能 够充分利用EM 算法获得的最大似然参数估计得到更合理的特征空间的密度分解模型, 从而使得EBF 模型能够 在保留了RBF 非线性复杂映射能力的同时, 获得更合理的分类结果。本文提出了基于EBF 的遥感分类方法, 试 验结果表明EBF 方法比RBF 方法训练速度更快、网络连接更简单、分类精度更高。 关键词: 遥感分类; 椭球径向基函数; EM 算法; 混合密度 中图分类号: T P 391　　　　文献标识码:A Elliptica l Ba sis Function Network for Cla ssif ica tion - of Rem ote Sen sing Images , , , , L UO J ian cheng M IN G D ong p ing S H EN Z han f eng CH EN Q iu x iao ZH EN G J iang ( Institute of Geograph ical Sciences and N atural R esources R esearch , Ch inese A cadem y of Science, Beijing, 100101, Ch ina) Abstract: A n ellip tical basis function (EBF ) netw o rk is p ropo sed fo r the classification of re . , m o te sen sing im ages T hough they are sim ilar in structu re the EBF netw o rk differs from the ( ) w ell know n radial basis function RBF netw o rk by inco rpo rating fu ll covariance m atrices and ( )