基于人工神經(jīng)網(wǎng)絡(luò)的高維遙感數(shù)據(jù)分類研究

《基于人工神經(jīng)網(wǎng)絡(luò)的高維遙感數(shù)據(jù)分類研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、碩士學(xué)位論文題目:基于人工神經(jīng)網(wǎng)絡(luò)的高維遙感數(shù)據(jù)分類研究研究生毛文斌專業(yè)控制理論與控制工程指導(dǎo)教師陳華杰副教授完成日期2012年12月杭州電子科技大學(xué)碩士學(xué)位論文基于人工神經(jīng)網(wǎng)絡(luò)的高維遙感數(shù)據(jù)分 類研究研究生：毛文斌指導(dǎo)教師：陳華杰副教授2012年12月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterAStudyonHigh-dimensionalRemote SensingDataClassificationBas

2、edonArtificialNeuralNetworksCandidate:MaoWenbinSupervisor:Asso.Prof.ChenHuajieDecember，2012杭州電子科技大學(xué)學(xué)位論文原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品或成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。申請(qǐng)學(xué)位論文與資料若有不實(shí)之處，

3、本人承擔(dān)一切相關(guān)責(zé)任。論文作者簽名：日期：年月日學(xué)位論文使用授權(quán)說明本人完全了解杭州電子科技大學(xué)關(guān)于保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬杭州電子科技大學(xué)。本人保證畢業(yè)離校后，發(fā)表論文或使用論文工作成果時(shí)署名單位仍然為杭州電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。(保密論文在解密后遵守此規(guī)定)論文作者簽名：日期：年月日指導(dǎo)教師簽名：日期：年月日杭州電子科技大學(xué)碩士

4、學(xué)位論文摘要高光譜遙感技術(shù)是過去三十年中人們?cè)跍y譜學(xué)方面所取得的重大技術(shù)突破之一，是當(dāng)前遙感領(lǐng)域的前沿技術(shù)。相對(duì)于傳統(tǒng)的多光譜，高光譜遙感數(shù)據(jù)具有波段眾多、各波段相關(guān)性較強(qiáng)、計(jì)算量大等特點(diǎn)，這對(duì)相應(yīng)的數(shù)據(jù)處理技術(shù)提出了很高的要求。高光譜影像分類技術(shù)是高光譜遙感應(yīng)用的關(guān)鍵技術(shù)之一，對(duì)于環(huán)境監(jiān)測、海洋生態(tài)與軍事戰(zhàn)場環(huán)境探測具有重要的意義。人工神經(jīng)網(wǎng)絡(luò)模式分類是近年來發(fā)展起來的數(shù)據(jù)分類方法之一。與傳統(tǒng)的統(tǒng)計(jì)分類方法相比，神經(jīng)網(wǎng)絡(luò)不需要預(yù)先對(duì)樣本空間作參數(shù)化統(tǒng)計(jì)分布假設(shè)，并可以將多種數(shù)據(jù)信息，例如紋理特征、地

5、形信息和光譜信息等信息融合到分類器中。由于神經(jīng)網(wǎng)絡(luò)具有以上優(yōu)點(diǎn)，研究基于人工神經(jīng)網(wǎng)絡(luò)的高光譜遙感影像分類方法很有必要的。本文主要完成工作如下：(1)介紹了高光譜遙感的基本概念、成像原理和成像光譜儀的國內(nèi)外發(fā)展現(xiàn)狀。比較幾種經(jīng)典的模式分類方法，包括：編碼匹配算法、光譜角匹配方法、平行六面體法、K-均值算法、迭代自組織數(shù)據(jù)分析算法、最大似然判別法、費(fèi)歇爾線性判別分類和決策樹判別法等。(2)分析了高光譜影像數(shù)據(jù)的特點(diǎn)，介紹了神經(jīng)網(wǎng)絡(luò)的一般模型、基于神經(jīng)網(wǎng)絡(luò)的高光譜遙感影像分類流程以及各個(gè)階段處理的具體內(nèi)容，

6、并總結(jié)了應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行高光譜影像分類的優(yōu)點(diǎn)。針對(duì)遙感數(shù)據(jù)維數(shù)過高的問題，介紹了幾種數(shù)據(jù)降維的方法，以改進(jìn)神經(jīng)網(wǎng)絡(luò)分類性能。(3)通過對(duì)多種實(shí)驗(yàn)數(shù)據(jù)，包括共享遙感數(shù)據(jù)以及項(xiàng)目實(shí)測遙感數(shù)據(jù)的分類研究，顯示了BP神經(jīng)網(wǎng)絡(luò)在用于高光譜遙感影像分類的有效性。(4)針對(duì)高光譜遙感數(shù)據(jù)因維數(shù)過高產(chǎn)生的“維數(shù)災(zāi)難”問題，采用了主成分分析特征提取和順序前向搜索特征選擇的數(shù)據(jù)降維方法，改善了分類精度和分類效率，說明了兩種方法的有效性，并分析和總結(jié)了各自優(yōu)勢。最后研究分析了訓(xùn)練數(shù)據(jù)集大小對(duì)神經(jīng)網(wǎng)絡(luò)分類性能的影響，實(shí)驗(yàn)結(jié)果

7、表明訓(xùn)練數(shù)據(jù)集大小對(duì)神經(jīng)網(wǎng)絡(luò)分類性能的影響較小，因此應(yīng)用神經(jīng)網(wǎng)絡(luò)模式分類器對(duì)于小樣本遙感數(shù)據(jù)分類具有比較高的穩(wěn)定性。關(guān)鍵詞：高光譜遙感影像，人工神經(jīng)網(wǎng)絡(luò)，特征提取，特征選擇I杭州電子科技大學(xué)碩士學(xué)位論文ABSTRACTInthespectroscopydomain,hyperspectralremotesensingisoneofthesignificanttechnologicalbreakthroughsinthepastthreedecades,whichistheadvancedtechnol

8、ogyofthecurrentremotesensingresearch.Comparedwiththetraditionalmulti-spectralremotesensing,hyperspectralremotesensingdatasetsaregenerallycomposedofdozensorhundredsofnarrowandcontiguousspectralbands,whichaccountforthecomputational