|
|
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，# q, D8 ~6 M6 Z3 d) F0 t7 f: i
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. d6 }8 J9 J6 t
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
" T' H* _7 l) u; G" A, ^" d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。; p% x6 I$ k, M+ h; w" S
S3ME 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7 A# `: K. e4 y3 G2 b3 h
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% T0 z2 u9 j. |* H
比传统特征提取方法提升了地物分类性能。
0 `- a4 b; B+ i6 E5 ~/ |3 a关键词：高光谱数据；特征提取；半监督学习；稀疏流形嵌入
( ~% E# [" y+ I* E1 引言
$ e$ |' A" o# q; B高光谱影像是由数十数百个波段组成的图像，
X5 q t$ s; ~- m4 {1 L9 p8 t4 ]4 a7 j
' S1 ?$ E7 D* _7 l9 k. a, M# e
. n# \+ i2 V2 [* _) _' Y$ Z附件下载：
$ F3 P6 \4 m. Z& K' F; |! Y8 B
|
|
/1 
发表于 2021-2-24 13:27
收藏
淘帖
支持！
反对！