view in publisher's site

Classification method of CO2 hyperspectral remote sensing data based on neural network

Based on the dimension reduction of hyperspectral remote sensing image, a new neural network method is used to classify the hyperspectral remote sensing image of carbon dioxide in detail. Firstly, the Kernel Principal Component Analysis (KPCA) and Genetic Algorithms (GA) are used to reduce the dimension of hyperspectral remote sensing images; secondly, the traditional remote sensing image classification methods (ISODATA, SVM), traditional neural networks (BP), and new neural networks are used to classify the hyperspectral remote sensing images. Finally, noise assessment method based on local mean and local standard deviation (LMLSD) of spectral image is used to evaluate the classification accuracy. In addition, hyperspectral remote sensing images are dimensionality reduction. Secondly, the comparison between the traditional remote sensing image classification method and the new neural network method is analyzed. Finally, a new neural network method is applied to classify hyperspectral remote sensing images.

روش طبقه‌بندی داده‌های سنجش از دور فراطیفی CO۲ براساس شبکه عصبی

براساس کاهش ابعاد تصویر سنجش از دور فراطیفی، یک روش شبکه عصبی جدید برای طبقه‌بندی تصویر سنجش از دور فراطیفی دی‌اکسید کربن با جزئیات استفاده می‌شود. اول، تجزیه و تحلیل مولفه اصلی کرنل (KPCA)و الگوریتم ژنتیک (GA)برای کاهش ابعاد تصاویر سنجش از دور فراطیفی مورد استفاده قرار می‌گیرند؛ دوم، روش‌های طبقه‌بندی سنتی سنجش از دور (ISOData، SVM)، شبکه‌های عصبی سنتی (BP)و شبکه‌های عصبی جدید برای طبقه‌بندی تصاویر سنجش از دور فراطیفی مورد استفاده قرار می‌گیرند. در نهایت، روش ارزیابی نویز براساس میانگین محلی و انحراف معیار محلی (LMLSD)تصویر طیفی برای ارزیابی دقت طبقه‌بندی مورد استفاده قرار می‌گیرد. علاوه بر این، تصاویر سنجش از دور فراطیفی کاهش ابعاد هستند. در مرحله دوم، مقایسه بین روش طبقه‌بندی تصویر سنجش از دور سنتی و روش شبکه عصبی جدید مورد تجزیه و تحلیل قرار گرفته‌است. در نهایت، یک روش جدید شبکه عصبی برای طبقه‌بندی تصاویر سنجش از دور فراطیفی به کار گرفته شده‌است.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Computer Networks and Communications
  • ترجمه مقاله Computer Networks and Communications
  • مقاله شبکه‌ها و ارتباطات کامپیوتری
  • ترجمه مقاله شبکه‌ها و ارتباطات کامپیوتری
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.