《表3 烔炀河区域BP网络精度》

提取 ⇩
《表3 烔炀河区域BP网络精度》
%
《基于改进BP神经网络的多分辨率遥感图像分类及对比分析》

从分类精度结果可以看出,最大似然分类中地物的制图精度和用户精度没有同时较高的情况,说明分类图像中各地物均存在漏分、错分;BP网络分类中水田、林地的制图精度、用户精度都较高,但水域的制图精度、用户精度都为0,说明不同地物的准确性相差很大,部分地物错分严重,也反映了BP网络的不稳定性;而改进的BP网络分类中各地物的两种精度达到80%以上,说明各地物的位置、面积都较准确,漏分、错分的情况较少,反映了改进后的BP网络准确性和稳定性有了较大提高。比较3种方法的总体精度和Kappa系数,改进的BP网络分类最高,较最大似然法和BP神经网络总体精度分别提高了15.30%,23.81%,Kappa系数分别提高了0.18,0.28。改进的BP网络分类在各地物分类以及整体图像分类的精度上均高于最大似然和BP网络分类,而且分类时间相对于BP网络有大幅度缩短,分类速度明显提升,说明改进的BP网络分类结果是较好的。

  1. 保存图表

查看“表3 烔炀河区域BP网络精度”的人还看了

表1 BP神经网络与递归STA/LTA-BP神经网络识别结果
表1 BP神经网络与递归STA/LTA-BP神经网络识别结果
综合集成高精度智能微震监测技术及其在深部岩石工程中的应用
表2 BP神经网络反演结果精度分析
表2 BP神经网络反演结果精度分析
平顶山地下盐穴储气库建库盐层分布预测
表2 BP神经网络和GP-BP神经网络输出与识别结果
表2 BP神经网络和GP-BP神经网络输出与识别结果
GA-BP神经网络在带式输送机故障监测系统中的应用
表3 实验环境参数:遗传算法优化确定BP神经网络的遥感图像分类
表3 实验环境参数:遗传算法优化确定BP神经网络的遥感图像分类
遗传算法优化确定BP神经网络的遥感图像分类
表1 BP神经网络与SA-BP神经网络预测精度评价指标统计表
表1 BP神经网络与SA-BP神经网络预测精度评价指标统计表
基于优化的BP神经网络算法的深基坑沉降预测
表2 基于BP神经网络的精度评价
表2 基于BP神经网络的精度评价
基于BP神经网络的油菜籽遥感识别研究