典型文献
基于鬣狗算法神经网络反演林地叶面积指数
文献摘要：
针对遥感影像的神经网络模型对林地叶面积指数(LAI)反演容易陷入局部最优、收敛效率低等问题,提出基于GF-1遥感影像和PROSAIL模型反演数据建立鬣狗算法神经网络模型,并与BP神经网络模型进行对比.结果表明,BP神经网络训练集的均方根误差(RMSE)值为0.140,验证集RMSE值为0.137,测试集决定系数(R2)为0.525;鬣狗神经网络训练集的RMSE值为0.131,验证集RMSE值为0.132,测试集决定系数(R2)为0.703.本研究提出的鬣狗算法,可提升神经网络模型的反演性能,为GF-1卫星在大范围林地LAI反演的应用推广提供了方法思路.
文献关键词：
叶面积指数;PROSAIL模型;BP神经网络;鬣狗算法
中图分类号：
作者姓名：
冷欣;洪增宇
作者机构：
东北林业大学机电工程学院,哈尔滨 150040
文献出处：
引用格式：
[1]冷欣;洪增宇-.基于鬣狗算法神经网络反演林地叶面积指数)[J].西南大学学报（自然科学版）,2022(12):176-185
A类：
B类：
鬣狗算法,法神,神经网络反演,林地,叶面积指数,遥感影像,LAI,局部最优,收敛效率,GF,PROSAIL,神经网络训练,训练集,RMSE,验证集,测试集,决定系数,应用推广,方法思路
AB值：
0.246627
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
