买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州科技大学

摘要：本发明属于遥感卫星测量技术领域，具体涉及一种基于GA优化PPLN的遥感影像监督分类方法，包括如下步骤：采集遥感图像样本；从采集到的样本中选择出不同模式的样本，分别构建样本数据集；确定投影寻踪学习网络的网络结构；利用输入输出样本数据集训练投影寻踪学习网络，并确定投影寻踪学习网络的状态，其中采用遗传算法计算输入权值、平滑函数的系数以及输出权值的初值；将待识别的图像输入训练后的投影寻踪学习网络进行识别分类；本发明具有投影寻踪的降维能力、神经网络广泛映射能力和GA快速、全局收敛以及增强式学习能力的性能，本发明能提高影像分类精度，克服易陷入局部极小值。

主权项：1.一种基于GA优化PPLN的遥感影像监督分类方法，包括如下所述的步骤：S1、采集遥感图像样本；S2、从采集到的样本中选择出不同模式的样本，分别构建样本数据集，所述样本数据集的数目即图像分类数目；其特征在于：所述方法还包括如下所述的步骤：S3、确定投影寻踪学习网络的网络结构，所述网络结构的网络输入层节点的数目与遥感图像的波段数相同，每一个节点对应一个波段，网络输出层节点数目与图像分类数目相同，隐层均采用Hermite多项式函数作为平滑器，其中，所述多项式的最高次幂根据图像分类数目而定；S4、利用输入输出样本数据集训练投影寻踪学习网络，并确定投影寻踪学习网络的状态，以实现给定的输入输出映射关系；其中，所述投影寻踪学习网络中的所有参数的训练是所述投影寻踪学习网络将所有参数以隐层节点为中心进行分组，从第1个隐层节点的输入权值、输出权值开始，依次训练各隐层节点的输入权值、输出权值；在训练所有参数的过程中，当新增隐层节点时，采用遗传算法计算输入权值、平滑函数的系数以及输出权值的初值，所述初值的计算过程包括如下所述的步骤：S41、确定当前节点子组参数的分布范围，输入权值与输出权值的取值区间为[-1,1]之间；S42、通过遗传算法选择若干个具有全局性的进化解作为子组参数的初值，具体的选择过程，包括如下所述的步骤：S421、在编码的解空间中，随机生成一个初始群体；S422、对初始群体中每一个个体进行适应度评价，适应度目标函数取损失函数L2的倒数；S423、对初始群体中的个体进行选择、交叉、变异遗传操作，生成新一代群体；S424、反复进化直至满足终止条件；S425、将个体按优劣排序，选择m个具有全局性的进化解，选择时避免相似个体；S43、分别将这些进化解作为新增节点相关参数的初始解，用投影寻踪学习网络进一步优化子组参数；S431、用Gauss-Newton法优化输入权值；S432、拟合逼近隐层平滑函数，得到优化的多项式系数；S433、重复步骤S431－S432，进行若干次迭代；S434、由最新的输入权值和多项式系数，通过如下公式估计输出权值， S435、重复步骤S431－S434，直至损失函数相对误差趋于收敛；S44、比较由m组初始解，经PPLN进一步优化，得到的网络损失函数L2，选择L2最小的优化解，作为该节点子组参数的最优解；S45、若网络的损失函数L2小于预定的目标值，或者隐层节点达到预定数量，网络训练结束；否则，新增隐层节点，转步骤S41；S5、将待识别的图像输入经步骤S4训练后的投影寻踪学习网络进行识别分类。

全文数据：

权利要求：

百度查询： 苏州科技大学 一种基于GA优化PPLN的遥感影像监督分类方法