基于bp神经网络的高光谱遥感数据分类研究—论文

基于bp神经网络的高光谱遥感数据分类研究—论文

ID:33032125

大小:314.36 KB

页数:27页

时间:2019-02-19

基于bp神经网络的高光谱遥感数据分类研究—论文_第1页
基于bp神经网络的高光谱遥感数据分类研究—论文_第2页
基于bp神经网络的高光谱遥感数据分类研究—论文_第3页
基于bp神经网络的高光谱遥感数据分类研究—论文_第4页
基于bp神经网络的高光谱遥感数据分类研究—论文_第5页
资源描述:

《基于bp神经网络的高光谱遥感数据分类研究—论文》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、河南农业大学本科生毕业论文(设计)目基于BP神经网络的高光谱遥感数据分类研究院信息与管理科学学院业计算机科学与技术学生姓名指导教师摘要:11引言22高光谱遥感32.1高光谱遥感的介绍32.2高光谱遥感国外发展32.3高光谱遥感国内发展32.4高光谱遥感数据的特征52.5高光谱遥感数据的常用处理方法53人工神经网络53.1人工神经网络的概念53.2人工神经网络的特点63.3人工神经元的模型63.4人工神经网络模型83.5BP网络93.5.1BP网络概念93.5.2BP算法的原理93.5.3BP算法的执行步骤103.5.4BP神经网

2、络的局限性124BP神经网络在小麦口粉病高光谱遥感数据分类研究134.1试验设i十134.2光谱数据采集134.3数据预处理134.4BP网络模型建立及实现过程154.4.1BP网络的分析流程154.4.2BP网络层数的确定及各层神经元数目的确定162.4.3BP网络参数的选择162.4.4读入数据、划分数据及归一化处理172.4.5BP网络的模型建立、训练及预测174.4实验总结195结论与讨论19参考文献:20致谢21附件:22基于BP神经网络的高光谱遥感数据分类研究朱青信息与管理科学学院计算机科学与技术专业摘要:本文探讨了

3、多层误差反向传播(BP)神经网络分类算法应用于高光谱遥感数据的分类研究。首先介绍了高光谱遥感,高光谱遥感国内外发展现状,高光谱遥感数据的特点,以及高光谱遥感数据常用的处理方法。简要介绍了神经元的模型,神经网络模型,BP神经网络的算法以及执行过程,BP网络自身的局限性。将BP神经网络与高光谱遥感结合,用采集到的白粉病小麦冠层高光谱数据进行实验。利用ASD手持式高光谱仪测定了患有白粉病的小麦冠层光谱反射率,并对采集到的高光谱数据用特征选择的方法,选出20个特征波长对应的反射率作为神经网络的输入,病情指数0、1、2、3、4作为神经网络

4、的输出。借助Matlab神经网络模块,选用经典三层的BP神经网络,将150组光谱数据随机划分120组训练数据和30组测试数据,经过训练,预测正确率为83.33%。这表明BP神经网络对高光谱遥感数据进行识别分类,是一种很好的应用。关键词:高光谱遥感;人工神经网络;BP神经网络HyperspectralremotesensingdataclassificationbasedonBPneuralnetworkAbstract:Thispaperdiscussesthemulti-layerbackpropagation(BP)neur

5、alnetworkclassificationalgorithmisappliedtotheclassificationofhyperspectralremotesensingdata.Firstintroducedhyperspectralremotesensing,hyperspectralremotesensingdomesticandforeigndevelopmentstatus,thecharacteristicsofhyperspectralremotesensingdataandthecommonlyusedap

6、proachofhyperspectralremotesensing.Brieflyintroducedthemodeloftheneuron,neuralnetworkmodel,BPneuralnetworkalgorithmandimplementationprocess,BPnetworklimitations.BPneuralnetworkcombinedwithhyperspectralremotesensing,experimentwithpowderymildewofwheatcanopyhyperspectra

7、ldata.ASDhandheldspectrometermeasuredcanopyspectralreflectancewithpowderymildew.Andhyperspectraldatacollectedwithafeatureselectionmethodselected20characteristicwavelengthscorrespondingtothereflectivityasaneuralnetworkinput,thediseaseindex0,1,2,3,4astheoutputoftheneur

8、alnetwork.WithMatlabneuralnetworkmodule,aclassicthree-tierBPneuralnetwork,150spectraldatawererandomlydividedinto120trainingdataand3

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。