查詢結果分析
來源資料
相關文獻
- 類神經網路分類法之探討及其於衛星影像分類之應用
- 多階段人臉偵測與辨識
- Form Segmentation and Component Classification for Clinic Document Image Analysis
- 類神經網路與貝氏分類法應用於影像分割之比較研究
- 沖壓件之骨架表達法及其自動分類之研究
- 彩色影像系統中色彩分類方法之研究
- 類神經網路與SPOT衛星影像分類之研究
- Classification of Underwater Signals Using Neural Networks
- An Artificial Neural Network System Process Control
- 類神經網路於多光譜影像分類之應用
頁籤選單縮合
| 題 名 | 類神經網路分類法之探討及其於衛星影像分類之應用=Feature Space Partitioning in Satellite Image Classification by Artificial Neural Network |
|---|---|
| 作 者 | 江介倫; 鄭克聲; | 書刊名 | 農業工程學報 |
| 卷 期 | 50:1 2004.03[民93.03] |
| 頁 次 | 頁24-34 |
| 分類號 | 440.98 |
| 關鍵詞 | 類神經網路; 分類; 衛星影像; 特徵空間; Artificial neural network; Image classification; SPOT; Feature space; |
| 語 文 | 中文(Chinese) |
| 中文摘要 | 影像分類是遙測學中非常重要的課題,近年來蓬勃發展的類神經網路亦被用於分類而有不錯的結果,類神經網路分類屬於數學的方法,它以線、面或曲面將平面或空間中不同類別所佔的區域分隔開來,與傳統常用之統計方式較不相同,例如最大概似法即以類別發生機率之高底為分類之機制。 由於傳統依據統計原理的分類方法,例如最大概似法,需要假設各個類別在特徵空間中為N維(其中N為選用特徵數)多變數常態分佈,然而實際上各類別在特徵空間中的分佈卻不見得符合此一假設,而類神經網路利用各神經鍵不同權重的組合可以達到非線性的切割特徵空間,而且不需知道樣本點在特徵空間中分佈的型態,故近年來類神經網路理論常被應用在各領域的預測或分類問題;其中倒傳遞類神經網路的多層認知器發展完整,且據以很研究, 它在分類問題中有很好的結果表現;類神經網路在環境資源領域的衛星影像分類以往也有許多研究有不錯的成果,但大多將之視為一黑盒,鮮少探討其分類的原理與機制及特徵空間之分割,故本研究首先探討各類別樣本點在特徵空間中之分佈狀況,除了倒傳遞類神經網路來進行衛星影像之分類外,將著重於分類問題的剖析及各類別在特徵空間中之分布,佳以南投水里地區之SPOT衛星影像為例,探討類神經分類法與傳統最大概似法二者在特徵空間劃分之情況與分類結果。研究中顯示倒傳遞神經網路比最大概似法有較不規則的分割邊界,較符合實際類別分佈狀況,且分類之結果明顯優於最大概似法。 |
| 英文摘要 | Image clarification is an essential issue in remote sensing. Recently Artificial Neural Networks (ANNs) have been shown to have good performance in Image classification. Unlike traditional statistical methods such as the maximum likelihood classifier which assumes a multivariate normal distribution in feature space for training data, ANNs achieve high accuracy of feature space partition by assigning neuron weights using nonlinear functions. In this study, we compare the image classification performance by the maximum likelihood method and ANN method, in terms of classification accuracy and class boundaries delineated by two methods. This results show that ANN outperformed the maximum likelihood method. |
本系統中英文摘要資訊取自各篇刊載內容。