基于L-M算法的BP神经网络分类器

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于L-M算法的BP神经网络分类器

王建梅, 覃文忠

文章导航 > 武汉大学学报 ● 信息科学版 > 2005 > 30(10): 928-931

王建梅, 覃文忠. 基于L-M算法的BP神经网络分类器[J]. 武汉大学学报 ● 信息科学版, 2005, 30(10): 928-931.

引用本文:

王建梅, 覃文忠. 基于L-M算法的BP神经网络分类器[J]. 武汉大学学报 ● 信息科学版, 2005, 30(10): 928-931.

WANG Jianmei, QIN Wenzhong. BP Neural Network Classifier Based on Levenberg-Marquardt Algorithm[J]. Geomatics and Information Science of Wuhan University, 2005, 30(10): 928-931.

Citation:

WANG Jianmei, QIN Wenzhong. BP Neural Network Classifier Based on Levenberg-Marquardt Algorithm[J]. Geomatics and Information Science of Wuhan University, 2005, 30(10): 928-931.

基于L-M算法的BP神经网络分类器

王建梅^1,2,3,
覃文忠²

¹ 武汉大学遥感信息工程学院,武汉市珞喻路129号,430079;² 同济大学测量与国土信息工程系,上海市四平路1239号,200092;³ 同济大学现代工程测量国家测绘局重点实验室,上海市四平路1239号,200092;

基金项目: 国家自然科学基金资助项目(40228002)

作者简介:
王建梅,讲师,博士生。现主要从事地理信息系统、数据挖掘、遥感影像分类的研究

中图分类号: P237.4

BP Neural Network Classifier Based on Levenberg-Marquardt Algorithm

WANG Jianmei^1,2,3,
QIN Wenzhong²

¹ School of Remote Sensing and Information Engineering, Wuhan University,129 Luoyu Road, Wuhan 430079, China;² Department of Surveying and Geo-informatics, Tongji University, 1239 Siping Road, Shanghai 200092, China;³ Key Laboratory of Advanced Engineering Survey of SBEM, 1239 Siping Road, Shanghai 200092, China;

摘要: 以TM图像为例,讨论了基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器及其在遥感图像分类中的应用。LM算法是梯度下降法与高斯牛顿法的结合,由于利用了近似的二阶导数信息,LM算法比梯度法快。就训练次数及准确度而言,LM算法明显优于变学习率法的BP算法。
- 遥感图像分类 /
- BP神经网络 /
- L-M算法
Abstract: BP Neural network classifier based on Levenberg-Marquardt (L-M) algorithm and its application to remote sensing image classification is discussed in this paper. L-M algorithm is a combination of gradient method and Gauss-Newton method. With the aid of the approximate second derivative, the L-M algorithm is more efficient than the gradient method. Concerned with the training process and accuracy, the L-M algorithm is superior to vary-learning\|rate BP method.
- remote sensing image classification /
- BP neural network /
- L-M algorithm

[1]	郭从洲, 李可, 李贺, 童晓冲, 王习文. 遥感图像质量等级分类的深度卷积神经网络方法 . 武汉大学学报 ● 信息科学版, 2022, 47(8): 1279-1286. doi: 10.13203/j.whugis20200292
[2]	种洋, 柴洪洲, 郭云飞, 王旭, 刘必欣. 自组织优化分类的AUV地磁导航适配区选取 . 武汉大学学报 ● 信息科学版, 2022, 47(5): 722-730. doi: 10.13203/j.whugis20190443
[3]	王勇, 任栋, 刘严萍, 李江波. 融合GNSS PWV、风速与大气污染观测的河北省春季PM2.5浓度模型研究 . 武汉大学学报 ● 信息科学版, 2019, 44(8): 1198-1204. doi: 10.13203/j.whugis20170340
[4]	赵祥鸿, 暴景阳, 欧阳永忠, 黄贤源, 黄辰虎, 陆秀平. 利用BP神经网络剔除多波束测深数据粗差 . 武汉大学学报 ● 信息科学版, 2019, 44(4): 518-524. doi: 10.13203/j.whugis20160336
[5]	葛芸, 江顺亮, 叶发茂, 许庆勇, 唐祎玲. 基于ImageNet预训练卷积神经网络的遥感图像检索 . 武汉大学学报 ● 信息科学版, 2018, 43(1): 67-73. doi: 10.13203/j.whugis20150498
[6]	李冲, 李建成, 黄瑞金, 谭理. 考虑欧拉矢量的BP神经网络模型建立区域地壳运动速率场 . 武汉大学学报 ● 信息科学版, 2014, 39(3): 362-366. doi: 10.13203/j.whugis20120046
[7]	许凯, 秦昆, 刘修国, 李登朝. 泛概念层次构建方法及其在遥感图像分类中的应用 . 武汉大学学报 ● 信息科学版, 2013, 38(9): 1078-1082.
[8]	张凯, 赵建虎, 施闯, 张海涛. BP神经网络用于水下地形适配区划分的方法研究 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 56-59.
[9]	聂建亮, 高为广, 张双成. 利用BP神经网络的动态精密单点定位故障诊断算法 . 武汉大学学报 ● 信息科学版, 2010, 35(3): 283-285.
[10]	宋雷, 方剑, 周旭华, 黄腾. Bayesian正则化BP神经网络拟合两类似大地水准面 . 武汉大学学报 ● 信息科学版, 2009, 34(5): 552-555.
[11]	王殊伟, 李斐, 柯宝贵, 王文睿. 基于BP神经网络算法的GPS水准高程转换 . 武汉大学学报 ● 信息科学版, 2009, 34(10): 1190-1193.
[12]	高为广, 杨元喜, 张双成. 顾及动力学模型误差影响的GPS/INS组合导航自适应滤波算法 . 武汉大学学报 ● 信息科学版, 2008, 33(2): 191-194.
[13]	严勇, 李清泉, 孙久运. 投影寻踪学习网络的遥感影像分类 . 武汉大学学报 ● 信息科学版, 2007, 32(10): 876-879.
[14]	吕恒, 李新国, 曹凯. 基于BP神经网络模型的太湖悬浮物浓度遥感定量提取研究 . 武汉大学学报 ● 信息科学版, 2006, 31(8): 683-686.
[15]	哈斯巴干, 马建文, 李启青, 戴芹. 多波段遥感数据的自组织神经网络降维分类研究 . 武汉大学学报 ● 信息科学版, 2004, 29(5): 461-465. doi: 10.13203/j.whugis2004.05.019
[16]	罗红霞, 龚健雅. UFCLS线性光谱混合分析法在遥感图像分类识别中的效果分析 . 武汉大学学报 ● 信息科学版, 2004, 29(7): 615-618.
[17]	邵黎霞, 何宗宜, 艾自兴, 宋晓东. 基于BP神经网络的河系自动综合研究 . 武汉大学学报 ● 信息科学版, 2004, 29(6): 555-557.
[18]	贾永红, 李德仁. 多源遥感影像像素级融合分类与决策级分类融合法的研究 . 武汉大学学报 ● 信息科学版, 2001, 26(5): 430-434.
[19]	梁益同, 胡江林. NOAA卫星图像神经网络分类方法的探讨 . 武汉大学学报 ● 信息科学版, 2000, 25(2): 148-152.
[20]	沈未名, 张祖勋, 张剑清. 基于神经网络的影像匹配概率松弛算法 . 武汉大学学报 ● 信息科学版, 1996, 21(3): 247-251.

WeChat

点击查看大图

计量

文章访问数: 1504
HTML全文浏览量: 65
PDF下载量: 748
被引次数: 0

基于L-M算法的BP神经网络分类器

王建梅^1,2,3,
覃文忠²

¹ 武汉大学遥感信息工程学院,武汉市珞喻路129号,430079;² 同济大学测量与国土信息工程系,上海市四平路1239号,200092;³ 同济大学现代工程测量国家测绘局重点实验室,上海市四平路1239号,200092;

基金项目: 国家自然科学基金资助项目(40228002)

作者简介:
王建梅,讲师,博士生。现主要从事地理信息系统、数据挖掘、遥感影像分类的研究

收稿日期: 2005-07-29
修回日期: 2005-07-29
刊出日期: 2005-10-05

中图分类号: P237.4

关键词:

遥感图像分类 /

BP神经网络 /

摘要: 以TM图像为例,讨论了基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器及其在遥感图像分类中的应用。LM算法是梯度下降法与高斯牛顿法的结合,由于利用了近似的二阶导数信息,LM算法比梯度法快。就训练次数及准确度而言,LM算法明显优于变学习率法的BP算法。

English Abstract

王建梅, 覃文忠. 基于L-M算法的BP神经网络分类器[J]. 武汉大学学报 ● 信息科学版, 2005, 30(10): 928-931.

引用本文:

王建梅, 覃文忠. 基于L-M算法的BP神经网络分类器[J]. 武汉大学学报 ● 信息科学版, 2005, 30(10): 928-931.

WANG Jianmei, QIN Wenzhong. BP Neural Network Classifier Based on Levenberg-Marquardt Algorithm[J]. Geomatics and Information Science of Wuhan University, 2005, 30(10): 928-931.

Citation:

WANG Jianmei, QIN Wenzhong. BP Neural Network Classifier Based on Levenberg-Marquardt Algorithm[J]. Geomatics and Information Science of Wuhan University, 2005, 30(10): 928-931.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码