为进一步提高径向基神经网络超光谱图像分类的精度与效率,研究了径向基神经网(RBFN:Radical Basis Function Network)的径向基函数分布密度和输入数据归一化形式对分类结果的影响。通过计算机仿真实验,绘出了径向基函数分布密度和输入...为进一步提高径向基神经网络超光谱图像分类的精度与效率,研究了径向基神经网(RBFN:Radical Basis Function Network)的径向基函数分布密度和输入数据归一化形式对分类结果的影响。通过计算机仿真实验,绘出了径向基函数分布密度和输入数据归一化形式对分类过程训练精度与测试精度影响规律曲线,为径向基神经网络在模式识别中的应用提供指导。展开更多
文摘为进一步提高径向基神经网络超光谱图像分类的精度与效率,研究了径向基神经网(RBFN:Radical Basis Function Network)的径向基函数分布密度和输入数据归一化形式对分类结果的影响。通过计算机仿真实验,绘出了径向基函数分布密度和输入数据归一化形式对分类过程训练精度与测试精度影响规律曲线,为径向基神经网络在模式识别中的应用提供指导。