本文選題：相容粗糙集 + BP神經(jīng)網(wǎng)絡(luò)　； 參考：《資源科學(xué)》2016年08期

【摘要】：BP神經(jīng)網(wǎng)絡(luò)因具有自學(xué)習(xí)、自適應(yīng)、大規(guī)模并行處理等特點而廣泛應(yīng)用于遙感影像分類中,但是該方法訓(xùn)練時容易陷入局部極小值,且收斂速度較慢,針對這些不足提出一種基于相容粗糙集的BP神經(jīng)網(wǎng)絡(luò)分類方法。本文以雙臺子河口濕地為研究對象,以Landsat-8 OLI影像為數(shù)據(jù)基礎(chǔ),利用相容粗糙集理論對樣本數(shù)據(jù)集進(jìn)行預(yù)處理,將得到的數(shù)據(jù)作為新的訓(xùn)練樣本,在Matlab軟件平臺下建立BP神經(jīng)網(wǎng)絡(luò)的濕地覆被分類模型,進(jìn)行濕地覆被信息提取,將分類結(jié)果與單純的BP神經(jīng)網(wǎng)絡(luò)以及粗糙集樣本屬性約簡預(yù)處理的分類結(jié)果進(jìn)行比較分析。結(jié)果表明,基于相容粗糙集的BP神經(jīng)網(wǎng)絡(luò)分類方法可以剔除訓(xùn)練樣本中的噪聲數(shù)據(jù),提高網(wǎng)絡(luò)的訓(xùn)練成功率,縮短網(wǎng)絡(luò)的收斂時間,分類效果較好,其總體精度達(dá)到91.25%,Kappa系數(shù)為0.8969,比單純的BP神經(jīng)網(wǎng)絡(luò)分類結(jié)果高7.92%和0.0926,比粗糙集樣本屬性約簡預(yù)處理方法的分類結(jié)果高3.03%和0.0357,是一種有效的濕地覆被分類方法。
[Abstract]:BP neural network is widely used in remote sensing image classification because of its characteristics of self-learning, self-adaptation, large-scale parallel processing and so on.A BP neural network classification method based on compatible rough set is proposed to solve these problems.Taking Shuangtaizi Estuary Wetland as the research object and Landsat-8 OLI image as the data base, using the consistent rough set theory to preprocess the sample data set, the obtained data is taken as a new training sample.The wetland cover classification model based on BP neural network was established based on Matlab software, and the wetland cover information was extracted. The classification results were compared with those of BP neural network and rough set sample attribute reduction preprocessing.The results show that the classification method of BP neural network based on consistent rough set can eliminate the noise data from the training samples, improve the training success rate of the network, shorten the convergence time of the network, and the classification effect is better.The total accuracy of the method is 0.8969, which is 7.92% and 0.0926 higher than that of BP neural network alone, and 3.03% and 0.0357 higher than that of rough set sample reduction preprocessing method. It is an effective wetland cover classification method.
【作者單位】： 沈陽農(nóng)業(yè)大學(xué)水利學(xué)院;
【基金】：國家自然科學(xué)青年科學(xué)基金項目(31200392)
【分類號】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 石杰;;粗糙集理論及其應(yīng)用研究[J];科技信息;2008年33期

2 唐彬;;粗糙集理論和應(yīng)用研究[J];內(nèi)江科技;2008年03期

3 林國平;;覆蓋廣義粗糙集與信任函數(shù)[J];漳州師范學(xué)院學(xué)報(自然科學(xué)版);2010年02期

4 王石平;祝峰;朱培勇;;基于抽象相關(guān)關(guān)系的粗糙集研究[J];南京大學(xué)學(xué)報(自然科學(xué)版);2010年05期

5 楊啟賢;;粗糙集及其應(yīng)用簡介[J];貴州師范大學(xué)學(xué)報(自然科學(xué)版);1988年02期

6 韓禎祥,張琦,文福拴;粗糙集理論及其應(yīng)用[J];信息與控制;1998年01期

7 張文修,吳偉志;粗糙集理論介紹和研究綜述[J];模糊系統(tǒng)與數(shù)學(xué);2000年04期

8 魏立力,曹飛龍;概率粗糙集的模糊性(英文)[J];寶雞文理學(xué)院學(xué)報(自然科學(xué)版);2001年04期

9 李劍,范小軍,黃沛;基于粗糙集的知識理論及其應(yīng)用[J];系統(tǒng)工程理論方法應(yīng)用;2001年03期

10 吳明芬;粗糙集理論的研究現(xiàn)狀與前景[J];五邑大學(xué)學(xué)報(自然科學(xué)版);2002年02期

相關(guān)會議論文 前10條

1 黎文航;陳善本;王兵;;粗糙集理論在焊接中的應(yīng)用綜述[A];第十一次全國焊接會議論文集（第2冊）[C];2005年

2 尹宗成;;粗糙集理論在我國糧食產(chǎn)量預(yù)測中的應(yīng)用[A];現(xiàn)代農(nóng)業(yè)理論與實踐——安徽現(xiàn)代農(nóng)業(yè)博士科技論壇論文集[C];2007年

3 鄒剛;滕書華;孫即祥;陳森林;敖永紅;;一種粗糙集優(yōu)化協(xié)同原型模式約簡分類方法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

4 葛麗;傅彥;;粗糙集在科學(xué)數(shù)據(jù)屬性約簡中的應(yīng)用[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

5 陳雪飛;;粗糙集分類中耦合數(shù)據(jù)的處理方法研究[A];2008年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集(上冊)[C];2008年

6 肖健梅;蘆曉明;王錫淮;;集裝箱起重機(jī)防搖系統(tǒng)粗糙集控制[A];第二十六屆中國控制會議論文集[C];2007年

7 王印松;馮康;;主汽溫調(diào)節(jié)系統(tǒng)性能評價的粗糙集實現(xiàn)方法[A];第二十七屆中國控制會議論文集[C];2008年

8 王紅萍;萬程亮;金彥豐;;應(yīng)用粗糙集理論的對抗效果權(quán)重確定方法[A];2009’中國西部地區(qū)聲學(xué)學(xué)術(shù)交流會論文集[C];2009年

9 王莉;周獻(xiàn)中;;一種基于粗糙集的模糊神經(jīng)網(wǎng)絡(luò)模型在鋼材力學(xué)性能預(yù)測中的研究[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 卓明;王麗珍;譚旭;;基于粗糙集近似集擴(kuò)展的規(guī)則提取算法[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 馬希驁;概率粗糙集屬性約簡理論及方法研究[D];西南交通大學(xué);2014年

2 唐孝;基于粗糙集的知識發(fā)現(xiàn)方法及其在ECG信號識別中的應(yīng)用[D];電子科技大學(xué);2015年

3 曾凱;鄰域�；植谟嬎愕年P(guān)鍵技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2015年

4 鮑忠奎;面向不確定信息系統(tǒng)的粗糙集擴(kuò)展模型研究[D];合肥工業(yè)大學(xué);2015年

5 王永生;基于粗糙集理論的動態(tài)數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];北京科技大學(xué);2016年

6 薛佩軍;正負(fù)域覆蓋廣義粗糙集與知識粗傳播研究[D];山東大學(xué);2007年

7 孔芝;粗糙集理論若干問題的研究與應(yīng)用[D];東北大學(xué);2009年

8 秦中廣;基于粗糙集的交叉研究及其在中醫(yī)診斷的應(yīng)用[D];華南理工大學(xué);2002年

9 劉少輝;知識發(fā)現(xiàn)中粗糙集理論的研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2003年

10 鄧大勇;基于粗糙集的數(shù)據(jù)約簡及粗糙集擴(kuò)展模型的研究[D];北京交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 江飛;粗糙集神經(jīng)網(wǎng)絡(luò)故障診斷方法研究[D];西安石油大學(xué);2015年

2 何理榮;粗糙集理論在銀行信貸風(fēng)險評估中的應(yīng)用研究[D];華南理工大學(xué);2015年

3 張德齊;基于粗糙集理論的電機(jī)故障診斷方法研究[D];渤海大學(xué);2015年

4 楊禮;基于粗糙集的公路交通安全預(yù)警研究[D];西南交通大學(xué);2015年

5 聶萌瑤;基于泛系串并模型的粗糙集概念擴(kuò)展與拓?fù)淇臻g[D];蘭州大學(xué);2015年

6 徐鵬;基于粗糙集的建筑起重機(jī)械安全精細(xì)化評價研究[D];西安建筑科技大學(xué);2015年

7 孫宇航;粗糙集屬性約簡方法在醫(yī)療診斷中的應(yīng)用研究[D];蘇州大學(xué);2015年

8 張曼;基于粗糙集和包含度的聚類分類算法研究[D];青島理工大學(xué);2015年

9 車世遠(yuǎn);基于群搜索優(yōu)化粗糙集的腦科學(xué)數(shù)據(jù)研究[D];大連海事大學(xué);2015年

10 林哲;基于粗糙集的馬田系統(tǒng)研究及其在銀行直接營銷客戶分類中的應(yīng)用[D];南京理工大學(xué);2015年

，

本文編號：1763428