论文部分内容阅读
本文将遗传算法(GA)应用于非监督训练,提高了遥感数据的分类精度.遗传竞争学习算法(GA-CL)综合了遗传算法和简单的竞争学习算法,可用于改进非监督训练的结果.遗传算法在典型样本聚类的过程中可以避免得到局部最优值.Jeffries-Matusita(J-M)距离法是通过统计测量两个训练类别之间的分离度,可用于评价这种算法.将此算法应用于TM数据的结果显示,遗传算法改进了简单的竞争学习算法,与其他非监督训练算法相比,其提供了K-均值,GA-K-均值和简单的竞争学习算法.