基于BP神经网络的遥感影像分类(3)

隐层神经元设计:隐层神经元数难确定,没有通用的理论指导,实际应用中主要通过经验公式,结合参数调试,依调试结果决定。隐层神经元数过多或过少都会使网络性能下降,如果为单隐层,则隐层神经元数一般至少为输入、输出层神经元数的最大值；如果仍不能达到足够分类精度,可适当增加隐层神经元数,直至获得预期的结果[9]。因此,本实验设定隐层神经元数为7较为合理。

3.2 网络训练分类

选取有确定类别的样本作为网络的学习样本,以样本值作为网络的输入,同时设定样本类别的期望输出,这样就建立了网络的学习模式。为了选择较好的样本数,实验中分别选取各类样本点30、40、50、60个,对网络进行反复训练。训练时选取学习速率和目标误差分别为0.01和0.001,网络性能达标,训练结束。再选用150个样本点作为测试集,分别求不同样本数训练网络的测试误差,通过比较相对误差和精度,各类样本数为50网络训练可使分类结果更接近客观实际[10-12]。样本数多于和少于50的网络训练使得各类别特性趋势于模糊,更易造成混分。

根据以上对比,以各类样本数为50进行训练的网络完成实验区土地利用的分类。图3

为

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新经管营销基于BP神经网络的遥感影像分类(3)全文阅读和word下载服务。