基于遥感分类的深度信念网络模型研究

使用 Ｐｙｔｈｏｎ和 ＴｅｎｓｏｒＦｌｏｗ作为工具实现基本的深度信念网络，提出了一种改进的 Ｄｒｏｐｏｕｔ策 略，该策略每次只选择部分局部区域数据进行权重的清零，既保持了图像本身的局部信 息，又增强了该模型的泛化 能 力，并使用差分进化进行神经网络的权值和偏移值的优化。通过实验对比表明，改进后的 Ｄｒｏｐｏｕｔ策略对于防止过拟合有明显的效果，使用差分进化算法对深度信念网络进行参数调整比传统的浅层分类器效果更好。