GA-PSO优化BP神经网络的遥感影像分类方法

作者：薛明,韦波,杨禄,李景文,姜建武

摘要：针对BP神经网络在遥感影像分类中存在易陷入局部极值、受初始权阈值影响大和网络训练时间长等问题,提出一种遗传算法(GA)结合粒子群算法(PSO)优化BP神经网络(GA-PSO-BP)的遥感影像分类方法。通过PSO对问题的解空间进行迭代寻优,将粒子群粒子个体转化为GA染色体,利用GA的复制、交叉和变异对种群所有染色体进行寻优。GA-PSO迭代寻优得到的初始权阈值直接赋给BP神经网络,解决其易陷入局部极值的问题,同时提升其训练速率。利用Landsat-8中分辨率和高分二号高分辨率遥感影像进行地物分类。结果表明,相对于最大似然法、支持向量机、传统BP、GA优化BP和PSO优化BP,GA-PSO-BP的分类精度得到有效提高,能与AlexNet卷积神经网络分类精度接近,且简单易操作。

发文机构：桂林理工大学广西空间信息与测绘重点实验室 桂林理工大学测绘地理信息学院

关键词：影像分类BP神经网络粒子群算法遗传算法算法优化image classificationBP neural networkparticle swarm optimizationgenetic algorithmalgorithm optimization

分类号： P237[天文地球—摄影测量与遥感]