基于半监督稀疏流形嵌入的高光谱影像特征提取

StepPeng33

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，
: P, n3 C! a- ]- Z, ]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
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
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。
8 Z  D% }* p: z5 \+ v) HS3ME 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
4 B1 V0 }" i0 z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
9 _# e7 Y& j5 g+ `比传统特征提取方法提升了地物分类性能。
- N  X, Z' W0 r关键词：高光谱数据；特征提取；半监督学习；稀疏流形嵌入
1 引言
高光谱影像是由数十数百个波段组成的图像，

0 I+ }5 Y% t. x. i) _
6 R" T; p, t6 s2 O! y3 F+ E7 [
1 \" l7 v1 r7 O7 S2 G附件下载：

游客，如果您要查看本帖隐藏内容请回复

ESCAPE

谢谢分享