一种基于脉冲神经网络的高光谱影像分类方法

本发明公开了一种基于脉冲神经网络的高光谱影像分类方法。针对传统的深度学习方法存在计算复杂度高、训练时间长的问题。利用脉冲神经网络低功耗、事件驱动和时序处理能力强的优势，提出了基于脉冲神经网络的高光谱影像分类方法。利用卷积和LIF模型相结合和双分支结构设计，减少计算量。使用高斯函数近似替代脉冲函数导数的反向传播训练算法，提高了模型训练效果。使用Pavia University、WHU‑Hi‑LongKou、Salinas Valley和Indian Pines数据集进行实验，并将本发明与4种对比算法进行对比，显示本发明在保证高光谱影像分类精度的同时，显著减少了网络模型的训练时间。