《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》
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。
图表编号 | XD00195361900 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) |