重复传播网络的改进及其在遥感分类中的应用研究

对重复传播网络在权值初始化、网络学习进行修改,实现在一定警戒条件下竞争层节点的动态分配,并在遥感分类上进行实验。重复传播网络中学习次数影响了竞争层节点数目和学习精度,学习精度随学习次数的增加而有限度的增加;警戒参数决定了节点调整的搜索范围,随学习过程进行,节点搜索范围变小,保证了分类精度和网络的稳定性;两层竞争层结构分类精度要优于单层,其总精度和kappa系数分别提高1.1%,0.02。实验结果表明该方法是一可行的遥感分类方法。