粗集约简的神经网络集成在遥感影像分类中的应用

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。

目录

致谢

摘要

Abstract

1 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 研究内容

1.4 研究的方法与技术路线

2 粗糙集理论基础

2.1 引言

2.2 粗糙集的基本概念

2.2.1 粗糙集定义与不可分辨关系

2.2.2 粗糙集的上、下近似、边界区和粗糙度

2.2.3 属性约简与核

2.3 基于遗传算法的粗糙集相对约简求取算法

2.3.1 选择编码方式和初始种群

2.3.2 适应度函数选取

2.3.3 选择及交叉操作

2.4 总结

3 神经网络理论

3.1 引言

3.2 神经网络原理

3.2.0 神经网络简介

3.2.1 人工神经网络模型

3.2.2 BP 神经网络结构

3.2.3 反向传播算法

3.3 本章小结

4 神经网络集成

4.1 神经网络集成定义

4.2 神经网络集成理论

4.3 个体网络生成方法

4.3.1 Bagging 算法

4.3.2 Boosting 算法

4.4 集成泛化能力的分析

4.5 本章小结

5 粗糙集约简的神经网络集成在遥感分类中的应用

5.1 引言

5.2 基于粗糙集约简的神经网络模型

5.2.1 基于遗传算法求约简

5.2.2 具体步骤

5.2.3 转换工具

5.2.4 实验结果及分析

5.2.5 小结

5.3 粗糙集约简的神经网络集成方法在图像中的分类

5.3.1 引言

5.3.2 基于属性约简及样本扰动的神经网络集成模型

5.3.3 实验结果及分析

5.3.4 小结

5.4 本章小结

6 总结与展望

6.1 总结

6.2 研究展望

參考文献

作者简历

学位论文数据集