《表2 不同BP神经网络算法结果对比》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于GA-BP神经网络的临洪河口湿地土地覆盖分类算法研究》
注:R2表示拟合优度,指回归线对预测值的拟合程度,越接近1,拟合程度越好
由图4、图5发现,遗传算法优化后的BP神经网络收敛速度有所提升,在5 000次左右达到均方误差的阈值,而BP神经网络在12 000左右才趋于平缓达到收敛。从表3可以看出,遗传算法优化后BP神经网络拟合优度(R2)为0.96明显高于优化前的BP神经网络(0.89),总体精度和Kappa系数分别提高了7.36%和0.09,用时也比较短。在前50次迭代过程中,未收敛的次数明显小于优化前的BP神经网络,说明遗传算法优化的BP神经网络性能优于优化前的BP神经网络,分类效果更好。
图表编号 | XD00195360600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.15 |
作者 | 何爽、卢霞、张森、李珊、唐海童、郑薇、林辉、罗庆龄 |
绘制单位 | 江苏海洋大学海洋技术与测绘学院、江苏海洋大学海洋技术与测绘学院、江苏海洋大学海洋技术与测绘学院、江苏海洋大学海洋技术与测绘学院、江苏海洋大学海洋技术与测绘学院、江苏海洋大学海洋技术与测绘学院、江苏海洋大学海洋技术与测绘学院、江苏海洋大学海洋技术与测绘学院 |
更多格式 | 高清、无水印(增值服务) |