带竞争学习机制的反向传播模型及在遥感图像分类中的实验

遥感图像分类是遥感的基础理论和技术。人工神经网络以其特有的优点和巨大的潜力正在被越来越普遍地用于遥感图像分类的研究和生产，应用和研究最多的是反向传播人工神经网络模型。该模型存在收敛速度慢、新加入样本影响已学过样本及其它一些缺陷，本文针对这些缺点，将竞争学习机制引入反向传播模型，从而加速子模型的收敛速度，去除了新加入样本对已学过样本的影响，减少了计算机实现时的内存开销，并改善了分类结果的精度。应用太文提出的模型对实验区的tm图像进行了分类实验研究，取得了较好效果。