自適應遺傳超平面分類算法及遙感應用.pdf

1、遙感分類作為遙感數據應用的基礎與關鍵，其分類精度的提高對快速、準確獲取地表環(huán)境變化信息具有理論與實際意義。傳統(tǒng)的遙感自動分類方法由于受數據的復雜性、分類器本身的局限性等多方面因素影響，其分類精度尚不能滿足實際生產的要求。而人工智能方法的全局尋優(yōu)性、自我反饋學習、自適應等特點，為解決復雜數據結構的遙感影像分類提供了新思路與途徑。本文在遺傳超平面分類算法實驗分析的基礎上，發(fā)現(xiàn)遺傳超平面分類算法參數設定操作復雜、收斂慢、易陷入局部最優(yōu)等缺陷，

2、提出了自適應遺傳超平面分類算法，并以長株潭城市群區(qū)域的多期遙感數據進行分類算法驗證與應用分析，取得了以下成果:
　　(1)提出自適應遺傳超平面分類算法（HP-IAGA，ImprovementAdaptive Gentic Algorithm Hyperplane），該算法引入了sigmiod函數對遺傳參數進行非線性自適應性調整，無需反復訓練設定，簡化了算法操作，同時適應度值的正反饋機制使優(yōu)秀個體生存能力更強，提高了算法的全局尋優(yōu)能

3、力及進化收斂速度。改進后的算法能更快、更穩(wěn)定可靠地挖掘超平面分類規(guī)則。
　　(2)以長株潭城市群區(qū)域為實驗區(qū)的多期遙感數據分類驗證了自適應遺傳超平面分類算法的有效性，多期遙感數據分類精度均達85％以上，相對于簡單遺傳超平面分類、決策樹分類以及最大似然法分類，其分類精度有明顯的提高。
　　(3)自適應遺傳超平面分類算法的遙感應用研究，有效獲取了長株潭城市群區(qū)域土地利用/覆蓋類型，揭示了研究區(qū)土地覆蓋類型的變化過程。近十五年來，