概率神经网络与BP网络模型在遥感图像分类中的对比研究  

A COMPARATIVE STUDY OF PROBABILISTIC NEURAL NETWORK AND BP NETWORKS FOR REMOTE SENSING IMAGE CLASSIFICATION

作　　者：李朝锋[1] 杨茂龙[2] 许磊[1] 杨蒙召[1] 

机构地区：[1]江南大学信息工程学院,无锡214036 [2]解放军国际关系学院航天侦察教研室,南京210039

出　　处：《国土资源遥感》2004年第4期11-13,18,i002,共5页Remote Sensing for Land & Resources

摘　　要：通过分析概率神经网络(以下称PNN)的基本结构及其训练算法,建立了卫星图像分类的概率神经网络模型,并通过实例对比分析了概率神经网络与BP网络分类模型的分类效果。实验表明,PNN图像分类方法在分类精度上优于误差反向传播神经网络模型,且分类时间相当,是一种有效的图像分类方法。This paper has analyzed the basic theory and algorithm of the probabilistic neural network, and established the remote sensing image classification model based on the probabilistic neural network. Examples show that the probabilistic neural network model outperforms the improved back-propagation neural network model in classification precision and is close to the latter in time consumption. It proves to be an efficient image classification method.

关 键 词：概率神经网络 遥感图像分类 反向传播神经网络 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置]