|
|
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，
0 O$ Q9 f5 o% l$ f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
& C0 d+ L" T2 m2 r8 o l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0 N0 ?, |3 m+ {) T8 ?% ]/ a! O: W
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。
% e1 S: ^, I+ r JS3ME 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
3 S0 I, S9 Q- Q4 b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
6 a7 Y) x+ L) `4 p2 u1 t比传统特征提取方法提升了地物分类性能。) g+ H2 |: K+ {: A! L: ?! b7 g" a) ]
关键词：高光谱数据；特征提取；半监督学习；稀疏流形嵌入9 e8 R) c0 b0 g0 }
1 引言9 e9 o( Y* T2 ?* R: q; ?0 E7 U
高光谱影像是由数十数百个波段组成的图像，
0 {) K) Z3 ?6 l8 m6 w5 \$ |
' V E/ R' i' r+ ~2 [; \# b$ ]3 h Y% u- d, x' @3 d
4 S" ^ t$ ]; b9 Q( P附件下载：' z# Z D# f1 J, n6 y$ {2 V
& c' I& g' Q. b7 a( A/ q |
|
/1 
发表于 2021-2-24 13:27
收藏
淘帖
支持！
反对！