基于鱼群算法的极限学习机影像分类方法优化

查看全文 作　　者：[1]林怡;[1]季昊巍;NICO [2]Sneeuw;[1]叶勤

机构地区：[1]同济大学测绘与地理信息学院,上海200092;[2]斯图加特大学航空航天与大地测量学院,斯图加特7017370619

出　　处：《农业机械学报》索引2017年第48卷第10期,共9页

基　　金：国土资源部公益性行业科研专项(201211011);上海市科学技术委员会科研计划项目(13231203602) 摘　　要：在传统极限学习机(ELM)研究的基础上,考虑到传统ELM参数的不确定会导致整体分类精度下降,利用仿生鱼群算法(AF)对ELM的小波核参数和正则化参数进行寻优,并构造参数优化后的小波ELM影像分类模型(AF-ELM)。通过实验比较了该算法与人工神经网路(ANN)、支持向量机(SVM)、极限学习机(ELM)等标准分类器在遥感影像分类上的精度与速度差异,并且与ELM多项式核、RBF核分类算法进行比较分析,验证了AF-ELM在分类速度和精度上的优越性。实验结果表明,AF-ELM分类方法分类速度较快,精度较高,均优于其他分类方法。能较好地应用于遥感影像上各类地物要素的自动提取。 关键词：极限学习机鱼群算法影像分类小波核函数遥感影像优化

相关文献

参考文献（28）
引证文献（8）
耦合文献（796）

参考文献(28)

引证文献(8)

耦合文献(796)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于鱼群算法的极限学习机影像分类方法优化

参考文献(28)

引证文献(8)

耦合文献(796)

用户提示