基于BP改进的KNN算法在北京密云土地覆盖分类中的应用

作     者：王佃来 宿爱霞 刘文萍 WANG Dian-lai;SU Ai-xia;LIU Wen-ping

作者机构：首钢工学院信息工程系北京100144 中国软件评测中心北京100048 北京林业大学信息学院北京100083 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2020年第20卷第23期

页      面：9464-9471页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：北京市科技计划(Z171100001417005) 中央高校基本科研业务费专项(2015ZCQ-XX) 

主　　题：KNN算法 土地覆盖分类 遥感图像 BP神经网络 

摘      要：针对k近邻(k-nearest neighbor,KNN)算法在土地覆盖分类中存在将山体阴影覆盖下植被误分成水体的问题,提出改进的KNN算法。改进算法充分利用神经网络能有效区分山体阴影覆盖下植被和水体的特性,实现BP神经网络与KNN算法的融合,整体提高了北京市密云区土地覆盖分类精度。实验结果表明:相对于支持向量机(support vector machine,SVM)、随机森林、BP神经网络和KNN算法,改进算法分类精度最高,达到了95.20%,分类精度比未改进KNN算法提高了6.43%。改进算法的Kappa系数在对比算法中也是最高的,达到0.93。此外,实验结果也表明改进算法可应用于中分辨率遥感图像分类中。