| 基于半监督稀疏多流形嵌入的高光谱影像分类 |
| |
| 引用本文： | 黄鸿,杨娅琼,罗甫林. 基于半监督稀疏多流形嵌入的高光谱影像分类[J]. 光子学报, 2016, 0(3): 126-132. DOI: 10.3788/gzxb20164503.0330001 |
| |
| 作者姓名： | 黄鸿 杨娅琼 罗甫林 |
| |
| 作者单位： | 重庆大学 光电技术及系统教育部重点实验室,重庆,400044 |
| |
| 基金项目： | Postgraduate Research and Innovation Program of Chongqing(No.CYB15052)国家自然科学基金(Nos.41371338;61101168)、重庆市基础与前沿研究计划(No.cstc2013jcyjA40005)、中央高校基本科研业务费项目(Nos.106112013CDJZR125501;1061120131204)和重庆市研究生科研创新项目(No.CYB15052)资助 |
| |
| 摘 要： | 提出了一种半监督稀疏多流形嵌入方法,并应用于高光谱影像分类.该方法充分利用少量标记和大量无标记样本,采用稀疏表示方法得到样本的稀疏系数,并选取来自同一流形的点作为近邻点,然后构建相似图来表征多流形结构,得到样本在每个流形上低维鉴别特征,增加来自同一流形的数据点聚集性,进而提升分类性能.本文方法在PaviaU和Salinas两个高光谱数据集上的总体分类准确度分别达到84.91%和89.74%,相较于其他方法明显提高了地物分类性能.
|
| 关 键 词： | 高光谱影像分类 维数约简 多流形 稀疏表示 半监督学习 |
Classification of Hyperspectral Images Based on Semi-supervised Sparse Multi-manifold Embedding |
| |
| Abstract: | |
| |
| Keywords: | Hyperspectral image classification Dimensionality reduction Multiple manifolds Sparse representation Semi-supervised learning |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
