检索结果-南通市图书馆

Self-organizing feature map neural network classification of the ASTER data based on wavelet fusion

Science China Earth Sciences 2004年第7期47卷 651-658页

作者： hasi bagan ma jianwen li qiqing han xiuzhen liu zhili Laboratory of Remote Sensing Information Science Institute of Remote Sensing Applications Chinese Academy of Sciences Beijing 100101 China Laboratory of Remote Sensing Information Science Institute of Remote Sensing Applications Chinese Academy of Sciences Beijing 100101 China Laboratory of Remote Sensing Information Science Institute of Remote Sensing Applications Chinese Academy of Sciences Beijing 100101 China Laboratory of Remote Sensing Information Science Institute of Remote Sensing Applications Chinese Academy of Sciences Beijing 100101 China Laboratory of Remote Sensing Information Science Institute of Remote Sensing Applications Chinese Academy of Sciences Beijing 100101 China

Most methods for classification of remote sensing data are based on the statistical parameter evaluation with the assumption that the samples obey the normal distribution. How-ever, more accurate classification results can be obtained with the neural network method through getting knowledge from environments and adjusting the parameter (or weight) step by step by a specific measurement. This paper focuses on the double-layer structured Kohonen self-organizing feature map (SOFM), for which all neurons within the two layers are linked one another and those of the competition layers are linked as well along the sides. Therefore, the self-adapting learning ability is improved due to the effective competition and suppression in this method. The SOFM has become a hot topic in the research area of remote sensing data classi-fication. The Advanced Spaceborne Thermal Emission and Reflectance Radiometer (ASTER) is a new satellite-borne remote sensing instrument with three 15-m resolution bands and three 30-m resolution bands at the near infrared. The ASTER data of Dagang district, Tianjin Munici-pality is used as the test data in this study. At first, the wavelet fusion is carried out to make the spatial resolutions of the ASTER data identical; then, the SOFM method is applied to classifying the land cover types. The classification results are compared with those of the maximum likeli-hood method (MLH). As a consequence, the classification accuracy of SOFM increases about by 7% in general and, in particular, it is almost as twice as that of the MLH method in the town.

关键词： classification, wavelet fusion, self-organizing neural network feature map (SOFM), ASTER data.

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种可扩展四叉树结构及其先序遍历算法

引用

计算机工程与应用 2003年第28期39卷 22-23,41页

作者：李启青马建文哈斯巴干刘志丽韩秀珍中国科学院遥感应用研究所北京100101

在图象处理领域,数据表达是一个核心问题。四叉树数据结构由于比空间占有树组方式使处理具有多分辨率能力而倍受青睐。文章提出并实现了一种可应用于多分辨率图象处理和地理信息数据表达的四叉树结构,该四叉树综合了循环链表和普通树结... 详细信息

在图象处理领域,数据表达是一个核心问题。四叉树数据结构由于比空间占有树组方式使处理具有多分辨率能力而倍受青睐。文章提出并实现了一种可应用于多分辨率图象处理和地理信息数据表达的四叉树结构,该四叉树综合了循环链表和普通树结构的优点。具有较强的可扩展性和通用性,使得同一层次的结点之间可以顺利搜索,从而大大减少了查找和从子孙结点到父结点操作回溯的复杂度。该文对原先的四叉树结构做了相应改进,并给出了该四叉树数据结构的先根序遍历算法,是一种高效的数据结构。

关键词：四叉树结构先根次序遍历算法游标图象处理

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：