資源描述：
《基于DBN模型的遙感圖像分類.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、計(jì)算機(jī)研究與發(fā)展ＤＯＩ：１０．７５４４?ｉｓｓｎ１０００－１２３９．２０１４．２０１４０１９９ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔ５１（９）：１９１１－１９１８，２０１４基于ＤＢＮ模型的遙感圖像分類呂啟１竇勇１牛新１徐佳慶１夏飛２１（國(guó)防科學(xué)技術(shù)大學(xué)計(jì)算機(jī)學(xué)院并行與分布處理國(guó)防科技重點(diǎn)實(shí)驗(yàn)室長(zhǎng)沙４１００７３）２（海軍工程大學(xué)電子工程學(xué)院武漢４３００３３）（ｌｖｑｉ＠ｎｕｄｔ．ｅｄｕ．ｃｎ）ＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅＣｌａｓｓｉｆｉｃａｔｉｏｎＢａｓｅｄｏｎＤＢＮＭｏｄｅｌ１，ＤｏｕＹｏｎｇ１，ＮｉｕＸｉｎ１，Ｘ
2、ｕＪｉａｑｉｎｇ１，ａｎｄＸｉａＦｅｉ２ＬüＱｉ１（ＮａｔｉｏｎａｌＬａｂｏｒａｔｏｒｙｆｏｒＰａｒａｌｌｅｌａｎｄＤｉｓｔｒｉｂｕｔｅｄＰｒｏｃｅｓｓｉｎｇ，ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ，ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１００７３）２（ＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇＣｏｌｌｅｇｅ，ＮａｖａｌＵｎｉｖｅｒｓｉｔｙｏｆＥｎｇｉｎｅｅｒｉｎｇ，Ｗｕｈａｎ４３００３３）ＡｂｓｔｒａｃｔＲｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｉｓｏｎｅｏｆｔｈｅｋｅｙｔｅｃｈｎｏｌｏｇ
3、ｉｅｓｉｎｇｅｏｇｒａｐｈｉｃｉｎｆｏｒｍａｔｉｏｎｓｙｓｔｅｍ（ＧＩＳ），ａｎｄｉｔｐｌａｙｓａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｍｏｄｅｒｎｕｒｂａｎｐｌａｎｎｉｎｇａｎｄｍａｎａｇｅｍｅｎｔ．Ｉｎｔｈｅｆｉｅｌｄｏｆｍａｃｈｉｎｅｌｅａｒｎｉｎｇ，ｄｅｅｐｌｅａｒｎｉｎｇｉｓｓｐｒｉｎｇｉｎｇｕｐｉｎｒｅｃｅｎｔｙｅａｒｓ．Ｂｙｍｉｍｉｃｋｉｎｇｔｈｅｈｉｅｒａｒｃｈｉｃａｌｓｔｒｕｃｔｕｒｅｏｆｈｕｍａｎｂｒａｉｎ，ｄｅｅｐｌｅａｒｎｉｎｇｃａｎｅｘｔｒａｃｔｆｅａｔｕｒｅｓｆｒｏｍｌｏｗｅｒｌｅｖｅｌｔｏｈｉｇｈｅｒｌｅｖｅｌｇｒａｄｕａｌｌｙ，ａｎｄｄ
4、ｉｓｔｉｌｌｔｈｅｓｐａｔｉｏ－ｔｅｍｐｏｒａｌｒｅｇｕｌａｒｉｚｅｓｏｆｉｎｐｕｔｄａｔａ，ｔｈｕｓｉｍｐｒｏｖｅｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ．Ｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋ（ＤＢＮ）ｉｓａｗｉｄｅｌｙｉｎｖｅｓｔｉｇａｔｅｄａｎｄｄｅｐｌｏｙｅｄｄｅｅｐｌｅａｒｎｉｎｇｍｏｄｅｌ．Ｉｔｃｏｍｂｉｎｅｓｔｈｅａｄｖａｎｔａｇｅｓｏｆｕｎｓｕｐｅｒｖｉｓｅｄａｎｄｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ，ａｎｄｃａｎａｒｃｈｉｖｅｇｏｏｄｃｌａｓｓｉｆｉｃａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｆｏｒｈｉｇｈ－ｄｉｍｅｎｓｉｏｎａｌｄａｔａ．
5、Ｉｎｔｈｉｓｐａｐｅｒ，ａｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＤＢＮｍｏｄｅｌｉｓｐｒｏｐｏｓｅｄ．Ｔｈｉｓｉｓｏｎｅｏｆｔｈｅｆｉｒｓｔａｔｔｅｍｐｔｓｔｏａｐｐｌｙｄｅｅｐｌｅａｒｎｉｎｇａｐｐｒｏａｃｈｔｏｕｒｂａｎｄｅｔａｉｌｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｓｉｘ－ｄａｙｈｉｇｈ－ｒｅｓｏｌｕｔｉｏｎＲＡＤＡＲＳＡＴ－２ｐｏｌａｒｉｍｅｔｒｉｃｓｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄａｒ（ＳＡＲ）ｄａｔａｗｅｒｅｕｓｅｄｆｏｒｅｖａｌｕａｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａ
6、ｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｏｕｔｐｅｒｆｏｒｍＳＶＭ（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ）ａｎｄｔｒａｄｉｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ（ＮＮ）．Ｋｅｙｗｏｒｄｓｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ；ｓｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄａｒ（ＳＡＲ）；ｌａｎｄｃｏｖｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｄｅｅｐｌｅａｒｎｉｎｇ；ｒｅｓｔｒｉｃｔｅｄＢｏｌｔｚｍａｎｎｍａｃｈｉｎｅ（ＲＢＭ）；ｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋ（ＤＢＮ）摘要遙感圖像分類是地理信息系統(tǒng)（ｇｅｏｇｒａｐｈｉｃｉｎｆｏｒｍａｔｉｏｎｓｙｓｔｅｍ，ＧＩＳ）的關(guān)
7、鍵技術(shù)，對(duì)城市規(guī)劃與管理起到十分重要的作用．近年來(lái)，深度學(xué)習(xí)成為機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)新興研究方向．深度學(xué)習(xí)采用模擬人腦多層結(jié)構(gòu)的方式，對(duì)數(shù)據(jù)從低層到高層漸進(jìn)地進(jìn)行特征提取，從而發(fā)掘數(shù)據(jù)在時(shí)間與空間上的規(guī)律，進(jìn)而提高分類的準(zhǔn)確性．深度信念網(wǎng)絡(luò)（ｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋ，ＤＢＮ）是一種得到廣泛研究與應(yīng)用的深度學(xué)習(xí)模型，它結(jié)合了無(wú)監(jiān)督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)的優(yōu)點(diǎn)，對(duì)高維數(shù)據(jù)具有較好的分類能力．提出一種基于ＤＢＮ模型的遙感圖像分類方法，并利用ＲＡＤＡＲＳＡＴ－２衛(wèi)星６ｄ的極化合成孔徑雷達(dá)（ｓｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄａｒ，ＳＡＲ）圖像進(jìn)行了驗(yàn)證．實(shí)驗(yàn)表明，
8、與支持向量機(jī)（ＳＶＭ）及
