遗传算法改进的SOM神经网络在遥感图像分类中的提升与应用

本文主要探讨了"论文研究-SOM神经网络改进及在遥感图像分类中的应用"。该研究针对自组织特征神经网络(Self-Organizing Map, SOM)的传统算法存在的特点和不足，引入了遗传算法进行优化，从而形成了一种新型的基于遗传算法的自组织特征神经网络。重点改进包括三个关键方面：一是优化输入向量处理，以更好地捕捉遥感图像的特征信息；二是调整竞争层神经元的数量，确保分类的精确度和效率；三是改进初始权向量设定，提升网络学习和收敛速度。 作者们针对遥感图像的特性，特别是西安地区ETM+卫星遥感图像，对SOM网络的分类方法进行了针对性改良。通过实验对比，结果显示基于遗传算法的自组织特征映射网络显著提高了遥感图像的分类精度，而且这种改进后的算法在实现上更为简洁，具备良好的工程应用潜力。此外，研究还提到了两位主要作者任军号、吉沛琦和耿跃，他们在城市系统工程、复杂系统建模仿真和数据挖掘等领域有着丰富的研究背景。 该论文的关键点在于将遗传算法与传统的SOM网络相结合，以解决遥感图像分类中的挑战，并验证了这种方法在实际应用中的有效性。研究成果对于遥感图像处理领域，特别是在提高分类准确性和简化算法设计方面具有重要意义。该论文被归类为遥感图像处理、神经网络、遗传算法和自组织特征映射等领域的研究，为相关领域的学术研究和技术应用提供了新的视角和方法。