克隆选择算法在遥感影像分类中的应用

克隆选择算法在遥感影像分类中的应用

ID:33716743

大小:406.51 KB

页数:6页

时间:2019-02-28

克隆选择算法在遥感影像分类中的应用_第1页
克隆选择算法在遥感影像分类中的应用_第2页
克隆选择算法在遥感影像分类中的应用_第3页
克隆选择算法在遥感影像分类中的应用_第4页
克隆选择算法在遥感影像分类中的应用_第5页
资源描述:

《克隆选择算法在遥感影像分类中的应用》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、克隆选择算法在遥感影像分类中的应用第六图书馆针对遥感影像分类中的局部极值、鲁棒性等问题,提出基于克隆选择算法的遥感影像监督分类方法。所提方法将遥感影像各波段亮度值定义为抗原的属性,通过计算遥感像元与抗体的亲和力识别其类别,并采用实数制方式对抗体进行变异,在保证亲和力上升的同时,也保证了系统的多样性。该算法应用于广州市遥感影像数据分类的实验结果显示:在抗体的进化过程中,抗体的亲和力和识别能力不断提高,最终的分类精度达到92.9%。与最大似然法相比,克隆选择算法的分类精度更高。针对遥感影像分类中的局部极值、鲁棒性等问题,提出基于克隆选择算法的遥感影像监督分类方法。所提方法将遥感

2、影像各波段亮度值定义为抗原的属性,通过计算遥感像元与抗体的亲和力识别其类别,并采用实数制方式对抗体进行变异,在保证亲和力上升的同时,也保证了系统的多样性。该算法应用于广州市遥感影像数据分类的实验结果显示:在抗体的进化过程中,抗体的亲和力和识别能力不断提高,最终的分类精度达到92.9%。与最大似然法相比,克隆选择算法的分类精度更高。遥感图像识别人工智能克隆选择中山大学学报:自然科学版张灵陈晓宏翁毅王兆礼[1]中山大学水资源与环境研究中心,广东广州510275[2]中山大学地理科学与规划学院,广东广州510275[3]华南理工大学土木工程系,广东广州5106402008第六图书

3、馆第六图书馆www.6lib.com第47卷第3期中山大学学报(自然科学版)Vo1.47No.32008年5月ACTASCIENTIARUMNATURALIUMUNIVERSITATISSUNYATSENIMav2008克隆选择算法在遥感影像分类中的应用张灵,陈晓宏,翁毅,王兆礼(1.中山大学水资源与环境研究中心,广东广州510275;2.中山大学地理科学与规划学院,广东广州510275;3.华南理工大学土木工程系,广东广州510640)摘要:针对遥感影像分类中的局部极值、鲁棒性等问题,提出基于克隆选择算法的遥感影像监督分类方法。所提方法将遥感影像各波段亮度值定义为抗原的属

4、性,通过计算遥感像元与抗体的亲和力识别其类别,并采用实数制方式对抗体进行变异,在保证亲和力上升的同时,也保证了系统的多样性。该算法应用于广州市遥感影像数据分类的实验结果显示:在抗体的进化过程中,抗体的亲和力和识别能力不断提高,最终的分类精度达到92.9%。与最大似然法相比,克隆选择算法的分类精度更高。关键词:遥感;图像识别;人工智能;克隆选择中图分类号:P283.8文献标识码:A文章编号:0529-6579(2008)03-0128-05随着人类对自然资源开发利用的深入,土地利工免疫系统(ArtificialImmuneSystem,AIS)是模用、覆盖情况发生了快速的变化

5、,新的地表信息的仿自然免疫系统功能的一种人工智能方法,它通过获取13益受到关注。卫星遥感数据为人们提供了一实现外界物质的自然防御机理的学习技术,提供了个新的信息渠道。但由于自然环境的复杂性,从遥噪声忍耐、自学习、自组织、记忆等进化学习机感数据中提取的地表信息总是存在一定的不确定理,结合了分类器、神经网络和机器推理等系统的性]。如何提高遥感图像分类的精度,以使从光优点。与传统的分类方法不同,人工免疫算谱信号中提取的信息准确客观地第六图书馆反映实际情况,是法是一种非参数的分类方法,并不要求训练数据为学术界的热点问题。正态分布,因此训练样本的选择和参数估计不会直图像分类是指对图像

6、信息进行处理、分辨、检接影响分类结果。目前AIS已在故障诊断¨、模测,确定图像上物体的属性或特www.6lib.com征,对图像进行分式识别、数据挖掘等领域得到了成功的应类或识别_2j。传统的遥感图像分类方法主要分为用,但将AIS用于遥感图像分类的研究尚不多见。监督分类和非监督分类,非监督分类虽然不需要分钟燕飞等¨提出了基于AIS的遥感影像非监督分析者十分了解所分类的区域,但是“同物异谱、类方法。本文尝试引入人工免疫系统的克隆选择算异物同谱”问题限制了所产生的光谱集群组的精法并设计一种监督分类方法,以期解决遥感影像分度;而监督分类虽然利用人的先验知识确定聚类中的先验性、局部

7、极值、鲁棒性等实际难点。类中心,分类精度有所提高,但是由于未考虑训练1人工免疫算法数据全局特征,容易造成局部最优的情况j。目前最常用的遥感图像分类方法是基于参数化密度分1.1基本架构布函数判别的最大似然法,但它要求图像数据呈正免疫系统抵御外部入侵使其机体免受病原侵害态分布j,而且由于没有地学知识的支持,有时的应答反应称为免疫。免疫系统中的淋巴细胞主要难以真实反映一些特殊的地学分布J。有B细胞和T细胞。B细胞的主要功能是产生目前,基于多智能体的一些人工智能算法引起抗体,T细胞则直接对抗原实施攻击。T细胞在体了地理学者

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。