|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：高光谱影像具有波段数多、冗余度高的特点，因此特征提取成为高光谱影像分类的研究热点。针对此问题，
& U2 g4 d9 O4 f$ G& j8 o该文提出一种半监督稀疏流形嵌入(S3ME)算法，该方法充分利用标记样本和无标记样本，通过基于切空间的稀疏3 ]: r+ d5 D4 O/ b7 I
流形表示来自适应地揭示数据间的相似关系，并利用稀疏系数构建一个半监督相似图。在此基础上，增加了图中同
* f. m0 V: _. {/ Y/ M. G类标记样本的权重，然后在低维空间中保持图的相似关系不变，并最小化加权距离和，获得投影矩阵实现特征提取。
" Q% |9 |* |" F9 R' ZS3ME 方法不仅能揭示数据间的稀疏流形结构，而且增强了同类数据的集聚性，能有效提取出鉴别特征，改善分类* A% i: ~5 W! y" A( q, r6 c& i
效果。该文提出的 S3ME 方法在 PaviaU 和 Salinas 高光谱数据集上的总体分类精度分别达到 84.62%和 88.07%，相
7 A7 e, X( b+ o% g比传统特征提取方法提升了地物分类性能。
+ k% J3 W. ~9 i+ [- {关键词：高光谱数据；特征提取；半监督学习；稀疏流形嵌入) B& K4 E1 M3 h0 @
1 引言
* ~- {/ }$ s/ W" W6 `高光谱影像是由数十数百个波段组成的图像，, q! j9 S7 P' a% @" c* h
( s6 M1 B! p/ h
( ? N8 C8 D% M0 ~1 G. ^9 h, D; A7 l( |: s% G" A' b
附件下载：
3 }5 j6 C9 p+ g0 K5 ~/ d# V" H
" q, g% [; Y0 H6 s# y& A |
|
/1 
发表于 2021-2-24 13:27
收藏
淘帖
支持！
反对！