遥感数据智能处理贝叶斯网络分类.pptVIP

遥感数据智能处理实验课-贝叶斯网络分类 2012-5-8 实验主要内容 遥感数据智能处理软件的基本操作; 智能数据分类算法： 贝叶斯网络分类； 支持向量机； 神经网络：BP神经网络算法，SOFM算法，PCNN算法； 模糊算法：模糊C聚类； 粗糙集：粗糙集预处理，粗糙集分类； 遗传算法； 伪二维马尔可夫算法 实验主要内容 遥感数据智能处理软件的基本操作; 智能数据分类算法： 贝叶斯网络分类； 支持向量机； 神经网络：BP神经网络算法，SOFM算法，PCNN算法； 模糊算法：模糊C聚类； 粗糙集：粗糙集预处理，粗糙集分类； 遗传算法； 伪二维马尔可夫算法 安装程序路径: /遥感图像智能处理/遥感数据智能处理-IAIS 贝叶斯网络分类算法 贝叶斯网络是一种将贝叶斯概率方法和有向无环图的网络拓扑结构有机结合的表示模型，描述数据变量之间的因果依赖关系，是一种可以用来推理的模型，使得不确定性推理在逻辑上更为清晰，可理解性强。 类别：监督分类算法； 主要步骤：网络结构构建、数据离散化、参数学习、推理。 贝叶斯网络分类算法 经典监督分类算法VS贝叶斯网络分类算法 训练样本选取 训练 分类 训练样本选取 训练数据离散化 网络结构构建 参数学习 网络推理 待分类数据离散化 贝叶斯网络分类算法 训练样本选择： 样本选择，建立数据库； 离散化： 减少计算量； 熵离散化； 0 30 45 70 100 110 170 200 248 255 1 2 3 4 5 6 7 8 9 贝叶斯网络分类算法 网络构建 根据待分析的问题确定网络结构； 参数学习 根据训练数据调整概率分布； 网络推理 求解MPE值（most probable explanation ） SOFM神经网络结构 输出层 输入层 波段1 波段2 波段3 侧反馈邻域 …… 同构映射当一种运算结构出现困难时,利用同构的思想,转化另一种运算结构进行计算,再把运算结果转化成原来的结果。 φ θ 权值矢量1 输入矢量 权值矢量2 输入矢量与权值矢量的点积 : 选取获胜神经元的方法有两种: 方法1 获胜神经元是权值矢量与输入矢量的点积为最大的神经元 方法2 获胜神经元是权值矢量与输入矢量具有 最小欧氏距离的神经元 输入矢量与权值矢量间的欧氏距离: 2.SOFM网络的权值训练 计算输出层各神 经元的激活值 找到对应输入向量x的具有最小激活值的神经元，然后按下式更新权值 if if （1）随机选择一个训练输入向量x，并找到使||x-wc||最小的c； （2）如果x和wc不属于一类，按下式更新wc ： （3）当x不等于c时，权向量为 ： 3.矢量量化(LVQ) 的权值微调训练 * * * * * * * * * * * * * * * * * * * * * * * *