| 中文题名： | 基于卷积神经网络的遥感影像误分结果特点分析 |
| 姓名： | |
| 保密级别： | 公开 |
| 论文语种： | 中文 |
| 学科代码： | 070501 |
| 学科专业： | |
| 学生类型： | 学士 |
| 学位： | 理学学士 |
| 学位年度： | 2019 |
| 学校： | 北京师范大学 |
| 校区： | |
| 学院： | |
| 第一导师姓名： | |
| 第一导师单位： | |
| 提交日期： | 2019-06-07 |
| 答辩日期： | 2019-05-21 |
| 中文关键词： | |
| 中文摘要： |
近年来随着人工神经网络的快速发展，深度学习在特征提取的方法上呈现出了很大的优势。其中基于卷积神经网络的深度学习算法这方面有着非常优秀的表现。本文简单介绍了卷积神经网络的学习方法，并且基于该方法对遥感影像已经进行预测分类的结果图与真实的土地覆盖分布图，通过利用混淆矩阵的方法来分析卷积神经网络在预测过程中出现的误差。通过与混淆矩阵的结果分析，得出卷积神经网络在遥感影像的预测分类结果图与真实的土地覆盖分布图有着很高的一致度和精度。但是在卷积神经网络在比较复杂的类别之间依然存在着误分的情况，主要原因是类别之间有着错综复杂的关系以及类别自身区域有着复杂的形态。总体上卷积神经网络有着优秀的表现，期望在之后的研究中给模型提供更多的参数来发挥其优势。
﹀
|
| 参考文献总数： | 14 |
| 馆藏号： | 本070501/19016 |
| 开放日期： | 2020-07-09 |
谷歌
