本章利用SOFM神经网络模型进行高光谱影像波谱维光谱分析，提出了光谱曲线特征分析、红边参数分析、光谱阈值分析结合ANN提取高光谱遥感影像信息的新途径，并以小麦条锈病信息提取及病害严重度聚类分析为例，验证此方法的可行性。经实验分析，聚类结果等级明确，准确地反映了实验区小麦条锈病病害严重度的空间分布特性。根据理论研究和实验结果分析，证明该方法可在一定程度上提高聚类的准确性、客观性和可复用性。SOFM模型根据诸多因子，自组织聚类，若能提供合适的输入因子和合理客观的人工评价，也同样适用于其他农作物及其病害的研究。因此，该方法在一定程度上拓宽了ANN的应用领域，也为ANN结合光谱分析技术研究实际问题提供了一个很好的参考。

SOFM网络输出空间的维数越多，其神经元拓扑结构就越复杂，神经元数目也就越多，聚类后产生的类别数就有可能越多。在对大数据量仿真时就容易出现未知类别。研究认为可以通过以下方法解决：

1）降低SOFM网络输出空间维数；

2）设置网络拓扑结构，降低神经元个数；

3）增加样本点个数，而且样本点数要大于等于神经元个数。

空间维数一般根据具体问题而定，而降低神经元数目往往也会降低SOFM聚类结果精度，增加样本数又会在一定程度上增加人工量。所以，在利用SOFM模型解决实际问题时要综合考虑各方面因素，提出适合所研究问题的最佳方案。

本文地址： http://www.goggeous.com/b/1/1315266

文章来源：天狐定制

版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。