Resumen

El algoritmo de red neuronal de retropropagación (BPNN) puede utilizarse como clasificación supervisada en el tratamiento de la clasificación de imágenes de teledetección. Pero sus defectos son evidentes: cae fácilmente en el valor mínimo local, su velocidad de convergencia es lenta y resulta difícil determinar los nodos intermedios de la capa oculta. El algoritmo genético (AG) tiene las ventajas de la optimización global y de no caer fácilmente en el valor mínimo local, pero tiene la desventaja de su escasa capacidad de búsqueda local. En este trabajo se utiliza el AG para generar la estructura inicial de la BPNN. A continuación, se obtiene una red de clasificación BP estable, eficiente y rápida mediante ajustes finos del algoritmo BP mejorado. Finalmente, utilizamos el algoritmo híbrido para ejecutar la clasificación en imágenes de teledetección y lo comparamos con el algoritmo BP mejorado y el algoritmo tradicional de clasificación de máxima verosimilitud (MLC). Los resultados de los experimentos muestran que el algoritmo híbrido supera al algoritmo BP mejorado y al algoritmo MLC.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:valor mínimo local, algoritmo bp, algoritmo híbrido, red de clasificación bp rápida, clasificación tradicional de máxima verosimilitud, velocidad de convergencia lenta, bpnn, algoritmo, algoritmo genético, algoritmo mlc
• Keywords:local minimum value, bp algorithm, hybrid algorithm, fast bp classification network, traditional maximum likelihood classification, slow convergence speed, bpnn, algorithm, genetic algorithm, mlc algorithm