学位论文 > 优秀研究生学位论文题录展示

粗集约简的神经网络集成在遥感影像分类中的应用

作　者: 潘远
导　师: 武文波
学　校: 辽宁工程技术大学
专　业: 摄影测量与遥感
关键词: 神经网络糙集约简分类
分类号: TP751
类　型: 硕士论文
年　份: 2012年
下　载: 22次
引　用: 0次
阅　读: 论文下载

内容摘要

随着遥感卫星的发展与应用，遥感图像分类备受关注，而计算机模式识别成为当前分类的一个重要手段。模式识别中的神经网络在遥感图像分类中得到了广泛的应用。但是基于神经网络不能简化信息空间维数，不能判断冗余信息。粗糙集理论是处理不确定和模糊知识的工具，在大量的数据中粗糙集理论可以提取知识的相关性，从中发现隐含的知识和揭示潜在的规律，通过约简去除冗余信息。为了降低空间维数，将粗糙集与神经网络结合，构建分类模型。本文利用它们各自的优势，将粗糙集与神经网络结合，构造了一种分类模型。首先介绍了粗糙集的基本理论，详细的介绍了粗糙集的属性约简原理。粗糙集约简的方法有很多，本文中应用基于遗传算法的属性约简算法，介绍了它的理论基础。其次，对神经网络基础知识做了系统介绍，利用基于属性约简后的数据，用BP神经网络对遥感影像分类经过实验证明该方法的有效性。最后，提出一种基于粗糙集约简的神经网络集成方法，利用Boosting或Bagging算法生成多个相关性小的个体网络对个体网络集成，对此进行实验并取得了良好的效果。

全文目录

致谢  5-6
摘要  6-7
Abstract  7-11
1 绪论  11-17
  1.1 研究背景  11-12
  1.2 国内外研究现状  12-15
  1.3 研究内容  15
  1.4 研究的方法与技术路线  15-17
2 粗糙集理论基础  17-26
  2.1 引言  17
  2.2 粗糙集的基本概念  17-24
    2.2.1 粗糙集定义与不可分辨关系  17-19
    2.2.2 粗糙集的上、下近似、边界区和粗糙度  19-20
    2.2.3 属性约简与核  20-24
  2.3 基于遗传算法的粗糙集相对约简求取算法  24-25
    2.3.1 选择编码方式和初始种群  24
    2.3.2 适应度函数选取  24
    2.3.3 选择及交叉操作  24-25
  2.4 总结  25-26
3 神经网络理论  26-31
  3.1 引言  26
  3.2 神经网络原理  26-30
    3.2.0 神经网络简介  26-27
    3.2.1 人工神经网络模型  27-28
    3.2.2 BP 神经网络结构  28-29
    3.2.3 反向传播算法  29-30
  3.3 本章小结  30-31
4 神经网络集成  31-37
  4.1 神经网络集成定义  31
  4.2 神经网络集成理论  31-32
  4.3 个体网络生成方法  32-34
    4.3.1 Bagging 算法  32
    4.3.2 Boosting 算法  32-34
  4.4 集成泛化能力的分析  34-36
  4.5 本章小结  36-37
5 粗糙集约简的神经网络集成在遥感分类中的应用  37-55
  5.1 引言  37
  5.2 基于粗糙集约简的神经网络模型  37-49
    5.2.1 基于遗传算法求约简  37-38
    5.2.2 具体步骤  38-39
    5.2.3 转换工具  39-42
    5.2.4 实验结果及分析  42-49
    5.2.5 小结  49
  5.3 粗糙集约简的神经网络集成方法在图像中的分类  49-54
    5.3.1 引言  49
    5.3.2 基于属性约简及样本扰动的神经网络集成模型  49-50
    5.3.3 实验结果及分析  50-53
    5.3.4 小结  53-54
  5.4 本章小结  54-55
6 总结与展望  55-56
  6.1 总结  55
  6.2 研究展望  55-56
參考文献  56-59
作者简历  59-61
学位论文数据集  61-62

粗集约简的神经网络集成在遥感影像分类中的应用

内容摘要

全文目录

相似论文