IGSNRR OpenIR
基于emebf模型的遥感影像分类方法研究
骆剑承; 郑江; 裴韬; 明冬萍; 陈秋晓; 沈占锋
2005
ISSN1006-8961
Volume010Issue:006Pages:698
Abstract椭球径向基函数神经网络(EBF)是在径向基函数(RBF)映射理论基础上的改进。在保留RBF3层网络结构基础上,EBF采用了最大期望算法来估计特征空间的混合密度分布参数,用椭球体集合来分解混合密度分布,从而构造了神经网络的中间层基函数的状态。由于遥感数据在特征空间中通常表现为混合密度分布,EBF模型能够充分利用期望最大(EM)算法获得的最大似然参数估计得到更合理的特征空间的密度分解模型,从而使得:EBF模型能够保留RBF非线性复杂映射能力的同时,获得更合理的分类结果。为此提出了基于EBF的遥感分类方法,试验结果表明EBF方法比RBF方法网络连接更简单、分类精度更高。
Language英语
Document Type期刊论文
Identifierhttp://ir.igsnrr.ac.cn/handle/311030/111419
Collection中国科学院地理科学与资源研究所
Affiliation中国科学院地理科学与资源研究所
First Author Affilication中国科学院地理科学与资源研究所
Recommended Citation
GB/T 7714
骆剑承,郑江,裴韬,等. 基于emebf模型的遥感影像分类方法研究[J],2005,010(006):698.
APA 骆剑承,郑江,裴韬,明冬萍,陈秋晓,&沈占锋.(2005).基于emebf模型的遥感影像分类方法研究.,010(006),698.
MLA 骆剑承,et al."基于emebf模型的遥感影像分类方法研究".010.006(2005):698.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[骆剑承]'s Articles
[郑江]'s Articles
[裴韬]'s Articles
Baidu academic
Similar articles in Baidu academic
[骆剑承]'s Articles
[郑江]'s Articles
[裴韬]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[骆剑承]'s Articles
[郑江]'s Articles
[裴韬]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.