神经网络用于遥感图像分类有何优缺点？

神经网络方法具有如下优点：
（1）神经网络是模拟大脑神经系统储存和处理信息过程而抽象出来的一种数学模型，具有良好的容错性和鲁棒性，可通过学习获得网络的各种参数，无需像统计模式识别那样对原始类别做概率分布假设，这对于复杂的、背景知识不够清楚的地区图像的分类比较有效。
（2）在输入层和输出层之间增加了隐含层，节点之间通过权重来连接，且具有自我调节能力，能方便地利用各种类型的多源数据（遥感的或非遥感的）进行综合研究，有利于提高分类精度。
（3）判别函数是非线性的，能在特征空间形成复杂的非线性决策边界，从而解决非线性可分的特征空间的划分。
按照实用化要求衡量，神经网络还存在许多不足：
（1）对训练数据集的选择较为敏感；
（2）需要花费大量时间进行学习；相关的参数多且需不断调整，才能得到较好的分类结果；
（3）学习容易陷入低谷而不能跳出，有时网络不能收敛；
（4）很难给出神经元之间权值的物理意义，神经网络模型被认为是黑箱的

略