论文部分内容阅读
遥感分类作为遥感数据应用的基础与关键,其分类精度的提高对快速、准确获取地表环境变化信息具有理论与实际意义。传统的遥感自动分类方法由于受数据的复杂性、分类器本身的局限性等多方面因素影响,其分类精度尚不能满足实际生产的要求。而人工智能方法的全局寻优性、自我反馈学习、自适应等特点,为解决复杂数据结构的遥感影像分类提供了新思路与途径。本文在遗传超平面分类算法实验分析的基础上,发现遗传超平面分类算法参数设定操作复杂、收敛慢、易陷入局部最优等缺陷,提出了自适应遗传超平面分类算法,并以长株潭城市群区域的多期遥感数