典型文献
OIF辅助BP神经网络模式识别的土地覆盖分类
文献摘要：
精准高效的土地覆盖分类不仅能提高土地利用类型研究与制图质量,也有助于有序地组织土地的保护与开发.以2020年7月28日银川市三区的美国陆地卫星8号陆地成像仪(Landsat8 OLI)影像为数据源,建立最佳指数法(OIF)辅助前馈(BP)神经网络的模式识别模型,借助遥感影像处理平台(ENVI)选取训练样本集,对银川市三区土地覆盖类型进行分类.结果表明,OIF辅助BP神经网络模式识别的总体精度为86.95％,Kappa系数为0.8435,优于最大似然法和支持向量机(SVM)分类法;从生产者精度来看,该方法在林地、草地、水域和未利用地的分类中优势明显,精度都超过了 90.00％,但在建设用地的分类中精度较低,只有70.73％.实验证明,OIF辅助BP神经网络的模式识别在遥感影像的监督分类中是一种精准高效的分类方法.
文献关键词：
最佳指数法;前馈神经网络;模式识别;遥感影像分类;土地覆盖
中图分类号：
作者姓名：
刘瑞航;张佳瑜;马彩虹
作者机构：
宁夏大学地理科学与规划学院,宁夏银川750021
文献出处：
引用格式：
[1]刘瑞航;张佳瑜;马彩虹-.OIF辅助BP神经网络模式识别的土地覆盖分类)[J].北京测绘,2022(09):1145-1150
A类：
最佳指数法
B类：
OIF,网络模式,模式识别,土地覆盖分类,精准高效,土地利用类型,类型研究,制图,保护与开发,日银,银川市,三区,美国陆地卫星,成像仪,Landsat8,OLI,数据源,识别模型,遥感影像处理,处理平台,ENVI,训练样本集,土地覆盖类型,总体精度,Kappa,最大似然法,分类法,生产者,林地,草地,水域,未利用地,建设用地,监督分类,分类方法,前馈神经网络,遥感影像分类
AB值：
0.386768
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
