神经网络算法在ENVI上的集成与优化（软件技术毕业资料）.docVIP

神经网络算法在ENVI上的集成与优化（软件技术毕业资料） 文档信息 ： 文档作为关于“IT计算机”中“matlab”的参考范文，为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文4546字，doc格式，可编辑。质优实惠，欢迎下载！ 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：神经网络算法在ENVI上的集成与优化 2 0 引言 2 1 IDL的语言环境 2 2 ENVI中基于神经网络分类的剖析 3 3 编写迭代函数 3 4 实验过程与精度评定 5 5 结束语 5 文2：板集煤矿在提升系统降温上的成功应用 6 方案一 6 方案二 7 方案三 7 参考文摘引言： 9 原创性声明（模板） 10 文章致谢（模板） 10 正文 神经网络算法在ENVI上的集成与优化（软件技术毕业资料） 文1：神经网络算法在ENVI上的集成与优化 Key words： neural network；image classification；ENVI；IDL；integration；precision 0 引言 ENVI是一套功能强大的遥感图像处理软件，在ENVI上进行遥感图像分类中有很多方法，如神经网络、最大似然、最小距离、 ISODATA算法、决策树和面向对象等分类方法，神经网络在分类时比其它分类所花费时间要长，且速度很慢，因为从算法机理可知神经网络在权值调整时是迭代收敛的过程，其分类过程自然很慢。针对此问题，决定使用IDL语言来编程优化算法。 1 IDL的语言环境 IDL（Interactive Data Language）是美国I公司推出的面向矩阵的第四代计算机语言，它语法简单，自带大量的功能函数，使用很少的代码就能实现其它语言很难实现的功能。IDL是进行数据分析、可视化及跨平台应用开发的最佳选择，利用IDL可以快速地进行科学数据读写、图像处理、集成数学统计、信号分析、数值计算和三维图像建模等。IDL集可视、交互分析、大型商业开发为一体，为您提供了最完善、最灵活最有效的开发环境。 IDL的开发应用已经深入到了人类日常生活的方方面面，给人类对未知领域的探索与发现提供了强有力的工具，推动了人类向前发展。对IDL的语言环境熟悉之后，紧接着就开始针对目前存在的基于神经网络的遥感图像分类问题进行改进，并结合ENVI软件，使用IDL语言设计出改进后的优化算法。 2 ENVI中基于神经网络分类的剖析 ENVI中采用的神经网络属于BP网络，含有输入层、输出层以及处于输入输出层之间的隐含层，如果进行非线性分类，输入的区域并非线性分类或需要两个超平面才能区分类别时候，隐层数设置为大于或等于一。隐含层的状态影响输入与输出之间的关系，改变隐含层的权系数，可以改变整个多层神经网络的性能。 ENVI中采用的BP神经网络通过误差函数的最小化过程来完成输入到输出的映射。为了完成最小化过程，这种BP反向传播算法分正向传播和反向传播两步进行。在正向传播中，输入的样本从输入层经过隐单元一层一层进行处理，通过所有的隐含层之后，则传向输出层；在逐层处理的过程中，每一层神经元的状态只对下一层神经元的状态产生影响；在输出层把现行输出和期望输出进行比较，如果现行输出不等于期望输出，则进入反向传播过程。在反向传播过程中，反向传播把误差信号按原来正向传播的通路反向传回，反复修改（这是个迭代的过程）各节点的权重和阈值，逐渐减小误差，直到达到预先设定的要求。当误差小于某一相当小的正数或迭代误差不再减少时，完成BP网络的训练、输入与输出的映射的确定。 我们的落脚点是在BP网络的反向传播过程中网络各节点权值的迭代调整，但是该网络在此方面存在缺陷，就是迭代时间长，尤其对处理大数据，需要花费很长时间才能达到收敛。针对BP网络中学习算法收敛速度慢的缺点，运用数学中埃特金加速收敛算法，对传统的BP算法进行改进，然后使用IDL语言进行汇编，最后在ENVI上进行功能的扩展，已达到适用的生产目的。 3 编写迭代函数 为了能在ENVI菜单上调用埃特金迭代收敛函数，需要在ENVI菜单中创建一个新的菜单项，并定义一个此用户函数。这个用户函数可以通过在ENVI菜单中选择这个新的菜单项来进行调用。具体工程如下： ①在现有的ENVI菜单基础上创建新的功能菜单，首先用文本编辑器打开文件，添加如下部分： PRO MY_PROCESS_DEFINE_BUTTO， buttonInfo COMPILE_OPT IDL2 ENVI_DEFINE_MENU_BUTTON， buttonInfo， VALUE = ‘New Function’， $ /MENU， REF_VALUE = ‘Superv