用于土地覆盖分类的极限学习机
神经与进化计算
2019-07-02 v1 计算机视觉与模式识别
摘要
本文探讨了基于极限学习机（Extreme Learning Machine）的监督分类算法在土地覆盖分类中的潜力。与需要设定多个用户定义参数且可能产生局部极小值的反向传播神经网络相比，极限学习机仅需设定一个参数并产生唯一解。我们使用了 ETM+ 多光谱数据集（英国）来评估极限学习机在遥感分类中的适用性。研究采用反向传播神经网络，从分类精度和计算成本方面对其性能进行了比较。结果表明，在该数据集上，极限学习机在分类精度方面与反向传播神经网络表现相当。此外，与反向传播神经网络相比，极限学习机的计算成本极低。
引用
@article{arxiv.0802.1412,
title = {Extreme Learning Machine for land cover classification},
author = {Mahesh Pal},
journal= {arXiv preprint arXiv:0802.1412},
year = {2019}
}
备注
6 pages, mapindia 2008 conference