期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Adaboost和随机图划分的无监督图像分类
被引量:
2
1
作者
李巍
杨素锦
段晓华
《中国图象图形学报》
CSCD
北大核心
2012年第10期1245-1251,共7页
针对当前大多数无监督图像分类方法不能对每个图像类进行特征选择和自动确定图像类别的数量问题,提出一种基于Adaboost和随机图划分的无监督图像分类方法。该方法包括两个部分:1)将图像分类问题看做是一个自动的随机图划分问题,其中图...
针对当前大多数无监督图像分类方法不能对每个图像类进行特征选择和自动确定图像类别的数量问题,提出一种基于Adaboost和随机图划分的无监督图像分类方法。该方法包括两个部分:1)将图像分类问题看做是一个自动的随机图划分问题,其中图的每一个顶点代表一幅图像,通过划分形成的子图代表了图像类。再采用Ada-boost算法对每一个形成的图像类进行特征选择,从而得到每类图像的表达模型。2)采用一种基于蒙特卡洛马尔可夫链(MCMC)的随机采样算法(SWC)来对图进行划分。相比传统的随机采样算法,SWC具有更快的收敛速度。在两个图像数据集上的实验结果表明,本文方法的分类性能明显优于其他现有的无监督分类法。
展开更多
关键词
无监督图像分类
ADABOOST
图划分
Swendsen-Wang
CUTS
原文传递
用Kohonen神经网络对高光谱分辨率图像进行无监督分类的研究
被引量:
5
2
作者
郭一平
《红外与毫米波学报》
SCIE
EI
CAS
CSCD
北大核心
1994年第6期409-417,共9页
讨论了将Kohonen自组织神经网络用于成像光谱仪高光谱分辨率遥感图像无监督分类的结果.用于研究的是0.46~0.76μm15个波段的高光谱分辨率的原始航空遥感图像.该图像复盖了澳大利亚达尔文市周围约200km2的试...
讨论了将Kohonen自组织神经网络用于成像光谱仪高光谱分辨率遥感图像无监督分类的结果.用于研究的是0.46~0.76μm15个波段的高光谱分辨率的原始航空遥感图像.该图像复盖了澳大利亚达尔文市周围约200km2的试验区,包括了海湾、岛屿、海滩、河流、城市与旷野等各种地物类型.神经网络分类的结果提供了试验区内地物分布符合实际的预测和估计,它与传统的分类方法的结果相比较,用神经网络所得到的结果更准确可信.
展开更多
关键词
神经网络
图像
无监督
分类
高光谱分辨率遥感
图像
下载PDF
职称材料
题名
Adaboost和随机图划分的无监督图像分类
被引量:
2
1
作者
李巍
杨素锦
段晓华
机构
周口师范学院计算机科学与技术学院
中山大学信息科学与技术学院
出处
《中国图象图形学报》
CSCD
北大核心
2012年第10期1245-1251,共7页
文摘
针对当前大多数无监督图像分类方法不能对每个图像类进行特征选择和自动确定图像类别的数量问题,提出一种基于Adaboost和随机图划分的无监督图像分类方法。该方法包括两个部分:1)将图像分类问题看做是一个自动的随机图划分问题,其中图的每一个顶点代表一幅图像,通过划分形成的子图代表了图像类。再采用Ada-boost算法对每一个形成的图像类进行特征选择,从而得到每类图像的表达模型。2)采用一种基于蒙特卡洛马尔可夫链(MCMC)的随机采样算法(SWC)来对图进行划分。相比传统的随机采样算法,SWC具有更快的收敛速度。在两个图像数据集上的实验结果表明,本文方法的分类性能明显优于其他现有的无监督分类法。
关键词
无监督图像分类
ADABOOST
图划分
Swendsen-Wang
CUTS
Keywords
unsupervised image categorization
Adaboost
graph partition
Swendsen-Wang cuts (SWC)
分类号
TN911 [电子电信—通信与信息系统]
原文传递
题名
用Kohonen神经网络对高光谱分辨率图像进行无监督分类的研究
被引量:
5
2
作者
郭一平
机构
中国科学院上海技术物理研究所
出处
《红外与毫米波学报》
SCIE
EI
CAS
CSCD
北大核心
1994年第6期409-417,共9页
文摘
讨论了将Kohonen自组织神经网络用于成像光谱仪高光谱分辨率遥感图像无监督分类的结果.用于研究的是0.46~0.76μm15个波段的高光谱分辨率的原始航空遥感图像.该图像复盖了澳大利亚达尔文市周围约200km2的试验区,包括了海湾、岛屿、海滩、河流、城市与旷野等各种地物类型.神经网络分类的结果提供了试验区内地物分布符合实际的预测和估计,它与传统的分类方法的结果相比较,用神经网络所得到的结果更准确可信.
关键词
神经网络
图像
无监督
分类
高光谱分辨率遥感
图像
Keywords
neural network,unsupervised classification of image,high spectral resolution remotely sensed iamges
分类号
TP722.5 [自动化与计算机技术—检测技术与自动化装置]
O434.39 [机械工程—光学工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Adaboost和随机图划分的无监督图像分类
李巍
杨素锦
段晓华
《中国图象图形学报》
CSCD
北大核心
2012
2
原文传递
2
用Kohonen神经网络对高光谱分辨率图像进行无监督分类的研究
郭一平
《红外与毫米波学报》
SCIE
EI
CAS
CSCD
北大核心
1994
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部