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
1
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
应用相关近邻局部线性嵌入算法的高光谱遥感影像分类
被引量:
13
1
作者
刘嘉敏
罗甫林
+1 位作者
黄鸿
刘亦哲
《光学精密工程》
EI
CAS
CSCD
北大核心
2014年第6期1668-1676,共9页
传统的局部线性嵌入(LLE)算法需用欧氏距离度量近邻,但欧氏距离只表示两点间的直线距离,在高维空间中不一定能反映数据间的真实空间分布,导致近邻选取不稳定.针对此问题,本文提出了相关近邻(CN)LIE(CN-LLE)和相关最近邻分类(CNN...
传统的局部线性嵌入(LLE)算法需用欧氏距离度量近邻,但欧氏距离只表示两点间的直线距离,在高维空间中不一定能反映数据间的真实空间分布,导致近邻选取不稳定.针对此问题,本文提出了相关近邻(CN)LIE(CN-LLE)和相关最近邻分类(CNN)算法.提出的算法首先利用相关系数度量数据间的近邻,实现更准确的局部重构,提取鉴别特征;然后用CNN对低维嵌入特征进行分类.在KSC和Indian Pine高光谱遥感数据集上的地物分类实验结果表明:本文提出的CN-LLE+ CNN算法比LLE、LLE+CNN和CN-LLE等算法的总分类精度提升了2.11%~11.55%,Kappa系数提升了0.026~0.143.由于该算法增加了近邻为同类的概率,便于更有效地提取同类数据的鉴别特征,且有更好的稳定性,故能更有效地实现高光谱遥感数据的地物分类.
展开更多
关键词
高光谱影像
分类
流形学习
局部线性嵌入
相关
近
邻
相关最近邻分类器
下载PDF
职称材料
题名
应用相关近邻局部线性嵌入算法的高光谱遥感影像分类
被引量:
13
1
作者
刘嘉敏
罗甫林
黄鸿
刘亦哲
机构
重庆大学光电技术及系统教育部重点实验室
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2014年第6期1668-1676,共9页
基金
国家自然科学基金资助项目(No.61101168
No.41371338)
+5 种基金
中国博士后科学基金资助项目(No.2012M511906
No.2013T60837)
重庆市博士后科研特别资助项目(No.XM2012001)
中央高校基本科研业务费专项资金资助项目(No.CDJXS12120001
No.106112013120004
No.106112013120007)
文摘
传统的局部线性嵌入(LLE)算法需用欧氏距离度量近邻,但欧氏距离只表示两点间的直线距离,在高维空间中不一定能反映数据间的真实空间分布,导致近邻选取不稳定.针对此问题,本文提出了相关近邻(CN)LIE(CN-LLE)和相关最近邻分类(CNN)算法.提出的算法首先利用相关系数度量数据间的近邻,实现更准确的局部重构,提取鉴别特征;然后用CNN对低维嵌入特征进行分类.在KSC和Indian Pine高光谱遥感数据集上的地物分类实验结果表明:本文提出的CN-LLE+ CNN算法比LLE、LLE+CNN和CN-LLE等算法的总分类精度提升了2.11%~11.55%,Kappa系数提升了0.026~0.143.由于该算法增加了近邻为同类的概率,便于更有效地提取同类数据的鉴别特征,且有更好的稳定性,故能更有效地实现高光谱遥感数据的地物分类.
关键词
高光谱影像
分类
流形学习
局部线性嵌入
相关
近
邻
相关最近邻分类器
Keywords
hyperspectral image classification
manifold learning
Locally Linear Embedding (LLE)
Correlation Neighbor(CN)
Correlation Nearest Neighbor(CNN) classifier
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
应用相关近邻局部线性嵌入算法的高光谱遥感影像分类
刘嘉敏
罗甫林
黄鸿
刘亦哲
《光学精密工程》
EI
CAS
CSCD
北大核心
2014
13
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