《表4 基于传统BP神经网络的土地覆盖分类精度评价结果统计》

  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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:总体精度88.803 0%，Kappa系数0.861 8。

由表3、表4和土地覆盖分类图6a、图6b可以发现:遗传算法优化的BP神经网络相较于传统BP神经网络，遗传算法优化的BP神经网络更好的适应江苏省临洪河口湿地的土地覆盖实际地物分布。传统BP神经网络可较好提取出潮滩、大米草、河流这三类地物的信息，而对于道路的提取效果较差，其生产者精度仅为53.24%，漏分较为严重，主要漏分为裸露地和潮滩两类地物类型；反观传统BP神经网络对于裸露地的地物类型分类结果，生产者精度明显高于用户精度，即道路和潮滩地物类型被错分为裸露地的地物类型。主要还是因为道路、裸露地及潮滩的纹理特征高度相似，传统BP神经网络没有很好区分。从表3分析得出，遗传算法优化的BP神经网络对于纹理特征相似度高的潮滩、道路和裸露地三种地物的提取精度均有所提升，错分漏分现象减少。