基于输入扩展改进的BP网络及其在遥感图像分类中的应用  

Input-Expansion-Based Improved Method for BP Network and Its Application for Remote Sensing Image Classification

作　　者：张俊本[1] 李朝峰[1] 尹汪宏[1] 

机构地区：[1]江南大学信息工程学院,江苏无锡214122

出　　处：《微电子学与计算机》2007年第12期171-173,共3页Microelectronics & Computer

摘　　要：提出了一种基于输入模式扩展的神经网络改进方法,并和Levenberg-Marquardt优化的BP网络(LMBPN)进行了对比。通过二阶内积或切比雪夫多项式等非线性函数,把输入向量映射到更高维的模式空间,可以增强样本的可分性。Iris数据和遥感图像分类实验表明,输入模式扩展的神经网络改进方法可以进一步加快收敛速度,改进模式分类效果。The paper presents an input-expansion-based improved method for Neural Network,and make camparison for Levenberg-Marquardt optimized Back-Propagation Network （LMBPN）. Using second-order inner product function or Chebyshev polynomial function to expand input vector of samples, which makes them mapped into a higher-dimensional pattern space and thus leads to the sample sets more easily separable. Iris data and remote sensing data classification experiments show that input-expansion method may efficiently enhance the convergence velocity and classification accuracy for neural network.

关 键 词：输入扩展 LEVENBERG-MARQUARDT算法 BP网络 遥感图像分类 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]