欢迎访问《草业学报》官方网站,今天是 分享到:

草业学报 ›› 2011, Vol. 20 ›› Issue (1): 175-182.

• 研究论文 • 上一篇    下一篇

基于SOFM网络法的天然草地分类

魏淑珍,王菲凤,张江山*   

  1. 福建师范大学环境科学研究所, 福建 福州 350007
  • 修回日期:2010-04-21 出版日期:2011-02-22 发布日期:2011-02-22
  • 作者简介:魏淑珍(1985-),女,福建三明人,在读硕士。
  • 基金资助:
    收稿日期:2010-01-28;改回日期:2010-04-21

A method for classification of natural grassland quality based on SOFM

WEI Shu-zhen, WANG Fei-feng, ZHANG Jiang-shan   

  1. Institute of Environmental Science, Fujian Normal University, Fuzhou 350007, China
  • Revised:2010-04-21 Online:2011-02-22 Published:2011-02-22

摘要: 自组织特征映射(SOFM)模型是一种无监督的人工神经网络计算方法,适用于解决多种分类和识别问题。本研究首次将SOFM网络法用于中国新疆准噶尔盆地西部地区的天然草地分类中,基于该法的聚类功能,依据草地生产、生态、经济等方面的6个天然草地分类指标,结合Matlab软件对神经网络进行权值训练,将这31份草地样本数据分为温性荒漠类、温性草原类、草甸类3类。并将分析结果与集对分析法、灰色关联度分析法、投影寻踪法做了对比分析。结果表明,SOFM网络法与上述3种方法分析基本一致,可以很好地反映和提取样本中复杂的信息,分类效果较好。说明了SOFM网络法对不同类型草地之间草地资源的整体性有很好的区分度。由此得出SOFM网络法对草地进行分类具有很好的实用价值,可以在聚类分析中广泛应用。

Abstract: The self-organizing feature maps (SOFM) neural network was first applied to classification of the data from 31 natural grasslands in Sinkiang, China. The result was compared with that from set pair analysis, grey relational analysis and projection pursuit methods. Comparable results were consistent and the SOFM network reflected the complicated information between all samples. The classification effect was good and it could be widely applied to clustering analysis.

中图分类号: