用于遥感图像分类的一种高阶神经网络的改进算法

摘要

BP网络的分类方法被广泛应用于遥感图像分类,但它存在局部最小、隐含层节点数及训练速度等问题.高阶神经网络从一定意义上克服了这些缺点,取得了比较好的分类效果,但也存在特征维数受限、在特征数增多时收敛速度慢等问题.本文提出了对高阶神经网络算法的改进,将高阶神经网络作进一步扩展,使其特征数的局限减小,并结合自适应方法,使分类细化,且速度不会影响太大.本文简单介绍了高阶神经网络和不同BP网络各自的特点;讨论了高阶神经网络的优点以及由此带来的局限性;详细描述了改进后的算法,包括新算法的流程图,分类方法,并提出对原有的学习方法速度的提高办法;最后分析这种算法与高阶神经网络相比的优势和灵活性.