基于神经网络的扎龙湿地土地覆盖分类研究

摘要

主要研究神经网络在土地覆盖分类方面的应用问题.采用四层神经网络结构,对扎龙湿地的TM影像进行了分类研究,并提出一种基于鲁棒误差函数的自适应反向传播学习算法.仿真结果表明,该方法能够有效地对扎龙湿地TM影像进行分类.所采用的四层网络结构可减轻存储量大的负担,鲁棒误差函数有效地抑制了大误差,自适应反向传播算法使误差下降更快,而且最终得到的分类精度高于三层神经网络和最大似然法的分类精度.