[发明专利]一种遗传算法改进神经网络遥感分类处理方法

说明书

技术领域

本发明涉及一种遥感分类处理方法，尤其是涉及一种遗传算法改进神经网络遥感分类处理方法。

背景技术

由于神经网络的收敛性问题和训练成功网络的不可靠性，本发明引入遗传算法优化BP神经网络的隐含层神经元数目、神经元阈值和神经元与神经元间的连接权值。遗传算法鲁棒性强，以其高效的自适应优化能力并行搜索全局最优解，结合BP算法的误差反向传播机制，不仅利用BP算法快速地训练神经网络，而且遗传算法又弥补了BP网络收敛速度慢和在训练开始不久网络便收敛到局部极值的不足，并且避免了神经网络训练时加入动量项的不确定性和调整训练速率的不稳定性，适应度函数的确定也取代了误差函数的选取。同时，与许多用遗传算法优化神经网络时对网络进行二进制编码或实数编码方式不同的是，本发明将隐含层的神经元数目也用实数编码，还改进了遗传算法进化过程中选择、交叉、变异的方式，以达到快速搜索最优网络的目的。

方法内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供的一种隐含层的神经元数目使用实数编码，遗传算法进化过程中选择、交叉、变异方式得到改进，且可以达到快速搜索最优网络的遗传算法改进神经网络遥感分类处理方法。

本发明的目的可以通过以下技术方案来实现：

一种遗传算法改进神经网络遥感分类处理方法，其特征在于，包括以下步骤：

1)将每种网络结构看作为种群的一个个体，将个体中的染色体进行编码，并进行种群初始化；

2)对染色体进行解码；

3)根据预定的目标适应度函数来计算各个染色体的适应度；

4)判断适应度最高的个体是否符合BP网络的要求，若为是，执行步骤5)，若为否，则进行演化过程，返回步骤2)；

5)得到最优个体，进行测试BP网络；

6)进行遗传算法优化BP网络的分类，并得出分类结果；

7)进行变化监测，并得出变化监测结果。

所述的步骤1)中的将染色体进行编码步骤如下：

11)对象的定义，染色体编码包括八个部分，具体定义如下：

单元1：一个十进制数，隐含层数的浮点数编码q′，对q’四舍五入确定隐含层数q；

单元2：一个或多个十进制数，隐含层神经元数的浮点数编码pk′，对pk′四舍五入确定隐含层神经元数pk，其中k＝1，2，…，q；

单元3：n个输入层神经元的阈值，从a1到an；

单元4：m个输出层神经元的阈值，从b1到bm；

单元5：第k个隐含层的第i个神经元的阈值(cki)，其中i＝1，2，…，pk，k＝1，2，…，q；

单元6：输入层中的n个神经元与第1个隐含层中的j1个神经元间的连接权值(从到)，其中j 1＝1，2，…，p1；

单元7：最后一个隐含层中的jq个神经元与输出层中的m个神经元间的连接权值(从到)，其中jq＝1，2，…，pq；

单元8：第k′个隐含层的第jk′个神经元与第(k′+1)个隐含层的第jk′+1个神经元间的连接权值其中jk′＝1，2，…，pk′，k′＝1，2，…，q-1；

12)采用变长实数编码方式，编码过程如下：

(1)p’在随机初始化或进化过程中都为实数，采用p＝Int(p’+0.5)的对p’四舍五入原则确定隐含层神经元数p；

(2)输入层神经元的阈值；

(3)然后是输入层神经元到第i个隐含层神经元的连接权值；

(4)第i个隐含层神经元的阈值；

(5)第i个隐含层神经元到输出层神经元的连接权值，其中i按隐含层神经元的顺序从1至p；

(6)输出层神经元的阈值。

所述的步骤3)中的适应度函数为f(x)＝1/E，其中E为网络的输出误差。

所述的步骤4)中的演化过程包括以下步骤：

41)选择，采用轮盘赌选择法和最优个体保留原则进行个体的选择，首先保留父代种群中适应度最大和次大的个体，直接进入交叉操作中，再利用轮盘赌法对其它个体进行选择，直到产生N个个体；

42)重组，选择Pc交叉概率，根据Pc确定是否要交叉后，依据公式(1)、(2)进行交叉：

CG₁＝gama×PG₁+(1-gama)×PG₂    (1)

CG₂＝gama×PG₂+(1-gama)×PG₁    (2)