一种引入隐藏节点的贝叶斯网络方法

针对简单贝叶斯分类器(NBC)中"天真"而又苛刻的的条件独立假设,本文结合Fisher准则提出了一种在贝叶斯网络中引入隐藏节点的方法,用来松弛或放宽这个过于严格而且不现实的假设条件。隐藏节点的引入可以更好地描述问题,进而更好地解决贝叶斯网络在分类中的应用。实验分析表明,本文提出的方法可以比NBC获得更高的分类精度和更好的稳定性。在训练样本不多的情况下,平均分类精度比PCA-NBC高3%之多。     

基于Hopfield神经网络模型的遥感影像分类算法

针对遥感影像的分类特点,提出了一种基于Hopfield神经网络模型的遥感影像分类算法.首先阐述了Hopfield神经网络的结构及其工作原理,分析了Hopfield神经网络优化规则;然后在Hopfield神经网络通用模型基础上,实现了Hopfield神经网络的算法.实验结果表明,这种分类器具有较高的精度与效率,分类结果优于最大似然分类法.     

基于危险理论的影像纹理调制模板的优化

将危险理论引用到Bayesian Network技术产生纹理调制模板的方法中,解决应用Bayesian Network技术产生调制模板中不能保证纹理模板不断优化的问题。文中介绍危险区、危险信号的概念,并阐述怎样从危险区中找出有效数据的途径。详细介绍在基于Bayesian Network的模板优化中引入危险理论的思路、例证以及计算过程,并通过对实际航空影像纹理分类的试验证明了将危险理论应用于模板优化的有效性和优越性。     

基于Hopfield神经网络模型的遥感影像分类算法

针对遥感影像的分类特点，提出了一种基于Hopfield神经网络模型的遥感影像分娄算法。首先阐述了Hopfield神经网络的结构及其工怍原理，分析了Hopfield神经网络优化规则；然后在Hopfield神经网络通用模型基础上，实现了Hopfield神经网络的算法。实验结果表明，这种分类器具有较高的精度与效率，分类结果优于最大似然分类法。     

结合光谱角的最大似然法遥感影像分类

遥感影像含有丰富的信息,反映了地物特征。其中光谱角侧重描述了光谱的形状特征,具有对多光谱图像增益不敏感的特点。最大似然法是遥感影像分类最常用的方法之一,文中对该方法的后验概率判别函数进行修改,将光谱角以概率因子的形式加入到判别函数中构造一种新的判别函数,有机地将光谱角这一特征信息加入影像分类。通过实验,并与最大似然法和光谱角匹配法分类结果进行比较,结果表明,结合光谱角的最大似然分类法的分类精度得到提高。     

改进最大似然遥感影像分类方法——以SAR影像为例

针对常规最大似然分类算法中类别先验概率获取困难及遥感影像分类问题,提出了一种有效的改进最大似然遥感影像分类方法.该方法能使用类别样本的统计信息,实现类别先验概率的自动和最优提取,从而很好地解决了基于统计监督分类方法中无法直接获取类别先验概率的问题.以6景Radarsat-1 精细模式SAR影像数据为例进行的分类实验证明,该算法分类效果较好,针对单波段、单极化的SAR影像,其精度可望达到80%.     

多时相MODIS影像土地覆盖分类比较研究

首先以黑龙江省多时相MODIS影像为试验数据,利用最大似然分类(MLC)、自组织神经网络(SONN)、支持向量机(SVM)以及决策树分类(DTC)等四种广泛使用的分类方法进行了土地覆盖遥感分类研究.并从分类精度、样本数量对分类器的影响、模型复杂度、参数的选择、分类速度等多个方面对4种分类方法进行了深入比较和分析.综合比较得出决策树分类法最优,而经典方法之一的最大似然分类法最稳定.进而将此二法推广到全国范围的土地覆盖分类试验中,并进行精度对比.本文所得出的结论将对于在类似的应用中如何选择合适的分类方法具有一定的参考价值.     

一种引入隐藏节点的贝叶斯网络方法

针对简单贝叶斯分类器(NBC)中“天真”而又苛刻的条件独立假设,本文结合Fisher准则提出了一种在贝叶斯网络中引入隐藏节点的方法,用来松弛或放宽这个过于严格而且不现实的假设条件.隐藏节点的引入可以更好地描述问题,进而更好地解决贝叶斯网络在分类中的应用.实验表明,本文提出的方法可以比NBC获得更高的分类精度和更好的稳定...     

利用纹理分析方法提取TM图像信息

以北京市丰台区为试验区 ,采用纹理分析方法对高分辨率图像的纹理信息进行分析 ,选取统计指标熵 ,通过确定熵的最佳阈值 ,进行边界匹配和图像的分割 ,将光谱混淆地物菜地和耕地分割开来 ,然后将此分割结果与TM图像分类结果进行叠合 ,得到最终的分类结果。并将该结果与最大似然分类结果以及单纯依靠纹理特征得到的分类结果进行了对比。试验结果表明 :将纹理分析方法应用于图像分类中可区分光谱混淆的地类 ,光谱与纹理特征结合得到的分类精度要远高于单纯光谱和单纯纹理的分类精度。     

基于Landsat-8 OLI的西安市土地利用类型遥感分类研究

近年来,由于区域人口的增加和社会经济的快速发展,西安市的土地利用类型发生了明显变化。土地利用分类可为生态系统模型、水资源模型和气候模型等提供重要信息,遥感技术为土地利用分类提供了有效的工具。本文以西安市2016年Landsat-8卫星的OLI多光谱数据为基础资料,参考国家土地利用分类标准和西安市土地利用现状,将西安市的土地类型分为建设用地、裸地、水体、草地、耕地、林地6类,采用监督分类中常用的最大似然分类法和决策树分类方法对研究数据进行解译,利用总体分类精度和Kappa系数等指标对各分类精度加以评价,并结合实际用地情况对分类结果进行了总结分析。