摘要: 基于DBN模型的遥感图像分类 遥感图像分类是地理信息系统(geographic information system, GIS)的关键技术，对城市规划与管理起到十分重要的作用.近年来，深度学习成为机器学习领域的一个新兴研究方向.深度学习采用模拟人脑多层结构的方...
基于DBN模型的遥感图像分类
遥感图像分类是地理信息系统(geographic information system, GIS)的关键技术，对城市规划与管理起到十分重要的作用.近年来，深度学习成为机器学习领域的一个新兴研究方向.深度学习采用模拟人脑多层结构的方式，对数据从低层到高层渐进地进行特征提取，从而发掘数据在时间与空间上的规律，进而提高分类的准确性
.深度信念网络(deep belief network, DBN)是一种得到广泛研究与应用的深度学习模型，它结合了无监督学习和有监督学习的优点，对高维数据具有较好的分类能力.提出一种基于DBN模型的遥感图像分类方法，并利用RADARSAT-2卫星6d的极化合成孔径雷达(synthetic aperture radar, SAR)图像进行了验证.实验表明，与支持向量机(SVM)及传统的神经网络(NN)方法相比，基于DBN模型的方法可以取得更好的分类效果.
