人工智能在遥感影像分类中的应用.doc

人工智能在遥感影像分类中的应用摘?要随着空间科学的发展,遥感技术得到越来越广泛的应用,而遥感图像具有信息量大、数据维数多的特点,因此怎样充分利用这些数据已成为亟待解决的问题。人工智能的机器学习方法具有从海量数据中发掘知识信息、自动学习、处理速度快等特点,因此将机器学习的各项方法应用于遥感领域,处理遥感影像中的海量数据已成为遥感发展的一个主要趋势。本文来源于网络,本站发布的论文均是优质论文,供学习和研究使用,文中立场与本网站无关,版权和著作权归原作者所有,如有不愿意被转载的情况,请通知我们删除已转载的信息,如果需要分享,请保留本段说明。关键词人工智能;机器学习;遥感;图像分类中图分类号TP文献标识码A文章编号1673-9671-(2010)101-0133-01 随着空间科学技术的飞速发展,遥感技术在科学研究中取得了相当丰富的成果,这些成果已日益应用到日常的生产生活中,并得到了很好的推广,遥感图像数据具有多传感器、多光谱、多时相、多平台与多分辨率等特点。而遥感图像具有信息量大,数据维数多的特点,因此如何从遥感图像中提取感兴趣的信息,进行信息的分类、提取,已经成为目前遥感科学领域面临的一个主要问题。人工智能中的机器学习方法,可以让人们充分利用计算机资源,在有人参与或无人参与的情况下,进行学习,从海量数据中挖掘出知识,因此,将机器学习方法应用与遥感图像处理领域,必将极大的提高信息处理能力。目前,机器学习的各种方法在遥感影像处理领域得到了广泛的应用。 1人工智能和机器学习的关系人工智能科学是一门新型交叉性学科。。在人工智能领域,有几类主要的问题,机器学习就是其中之一。机器学习的目标并不完全是寻找意识那么简单,不过从某些方面说,它更有可能接近达到传统人工智能研究的目标。机器学习的目的是:设计一种算法,可以让计算机进行学习。学习并不一定是指意识学习。它更像是从数据中寻找统计规律,或者发现一些模式。因此,在接到一个学习任务时,很多机器学习算法很难像用你那种方式去工作。然而,学习算法却可以在那些难以学习的环境中赋予其洞察力。学习算法分为几个不同的类别。一类是预期的结果来自算法。例如一些分类问题。一个通常的分类问题的例子是让计算机学习怎样识别笔迹。事实上,现在的笔迹识别方法非常完善,一些特定解决方案的识别率可以达到百分之九十九以上。其中最常用的算法是决策树、神经网络、遗传算法。 2决策树决策树是一类相对比较简单的分类技术,它的决策依赖于一个由问题和答案构成的树:如果对于问题的答案是“yes”,则算法执行下一个分枝;如果回答为“no”,则算法转向其他的分枝。最终,算法抵达的叶子节点就是最终分类。与神经网络相比,学习决策树不需要频繁的调试工作参数,并且相当简单明确。另外一些常见的学习类型不是被设计用于为输入创建分类,而是作出决定;它们统称决策问题。通常来说,决策问题需要根据世界的状态作出一些假设,并使它们易于处理。决策程序可能是一次性的,在这种情况下仅仅需要作出单一的决定,也可能是重复的,在这种情况下计算机可能需要做出多重决定。如果今后需要作出多重决策的话,决策程序将变得更加棘手,因为它不但需要考虑到行为的直接后果,而且要兼顾通过某种渠道获取信息的可能行为。决策树算法是一种较为先进算法,决策树是遥感图像分类