一种基于生物群集智能优化的遥感分类方法 - 中国科学.pdf

中国科学 D 辑:地球科学 2007 年 第37 卷 第10 期: 1400~1408 SCIENCE IN CHINA PRESS 一种基于生物群集智能优化的遥感分类方法 ① ①* ② ① ① 刘小平 黎 夏 彭晓鹃 黎海波 何晋强 ( ① 中山大学地理科学与规划学院, 广州 510275; ② 南海环境监测中心, 广州 510300) 摘要 提出了一种基于生物群集智能(swarm intelligence-based)的遥感影像分类新方法. 智能式 分类是遥感研究的热点和趋势. 设计出一种新的实数制编码的粒子群遥感影像分类器 (PSO-Miner), 在分类规则提取时, 粒子能自动寻找各个波段的最优分割点. 并且该方法所提取的 分类规则毋需通过数学公式来表达, 能更方便和准确地描述自然界中的复杂关系, 比数学公式更 容易让人理解. 将该方法应用于番禺地区的遥感影像, 取得了较好的分类结果. 并与See5.0 决策树 方法进行了对比研究, 实验结果表明, 基于群集智能方法的分类精度比决策树方法的精度更高. 关键词 群集智能 粒子群(Particle Swarm Optimization, PSO) 遥感影像 分类 影像分类是将遥感数据转化为便于使用的地理 生物群集智能目前已经成为人工智能研究的热点, 数据的核心[1]. 传统的分类方法包括最短距离、最大 并在旅行商问题求解、数据聚类、组合优化、网络路 似然、聚类分析、Bayesian分类等[2,3], 这些分类方法 [14~18]. 可 由、模式识别等方面取得了系列较好的成果 简单实用, 但都是基于统计学原理的, 以训练数据遵 惜, 群集智能在遥感分类方面的研究非常有限. 本文 循正态分布为前提, 因此训练样本的选择和参数估 尝试将生物群集智能中的粒子群算法引入到遥感图 计直接影响分类结果[4] . 最近, 学者们提出了许多新 像分类中, 并进行了探索性的研究. 粒子群算法是由 的遥感分类方法, 包括机器学习[5,6] 、支持向量机 Kennedy和Eberhart[19]提出, 源于对鸟群觅食行为的 (SVM)[7,8] 以及基于计算智能(CI) 的神经网络[9,10] 、模 研究. 其最初的设想是仿真简单的社会系统, 并解释 糊集[11]、遗传算法[12]等. 这些方法在一定程度上提高 复杂的社会行为, 却发现PSO是解决复杂优化问题的 了分类的精度, 但是, 遥感分类精度还有较大的改善 有效技术[20] . 与进化算法相比较, PSO保留了基于种 空间[13]. 因此, 如何提高土地利用分类精度仍是遥感 群的全局有哪些信誉好的足球投注网站策略, 采用简单的速度-位移模型, 避 领域一个重要研究方向. 免了复杂的遗传操作, 同时它的记忆能力使其可以 目前, 随着人工智能技术的发展, 遥感分类也趋 跟踪当前的有哪些信誉好的足球投注网站情况并动态调整有哪些信誉好的足球投注网站策略, 具有较 向与智能化技术相结合. 生物群集智能作为一种自 强的全局收敛能力和鲁棒性[21] . 因此, PSO作为一种 下而上的研究方法, 其本质是一个复杂的多智能体 高效的并行有哪些信誉好的足球投注网站算法, 非常适于地理复杂问题的求 系统, 它由众多简单个体(如蚂蚁、鸟类)所组成, 通 解. 过个体间