基于目标分解的神经网络分类是什么？

在进行高光谱遥感图像分类处理时，经常会遇到“同物异谱”的情况。即同一种地物，由于各种原因，它会呈现出不同的光谱特征。这就给基于光谱特征的遥感图像分类带来了困难。另外,这种“同物异谱”的地物呈现多峰正态分布,不仅给模式划分增加难度，更使神经网络分类算法难于收敛,并严重降低分类精度。基于目标分解的神经网络分类方法由三部分组成，即目标分解、神经网络分类和“亚类”归并。它对于具有“同物异谱”特性的地物，首先把它分解为几种不同的“亚类地物”，使得分解后的每一种“ 亚类地物”自身的光谱特征是一致的,其分布呈现单峰正态分布。然后把分解后的几种“亚类地物”当成不同的地物类别送入神经网络去训练。最后在网络输出时加上一个逻辑运算,使得“亚类地物”重新归并到原来的类别中去，以此来改善高光谱图像的分类效果。