期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
联合改进拉普拉斯特征映射和k-近邻分类器的高光谱影像分类 被引量:8
1
作者 孙伟伟 刘春 李巍岳 《武汉大学学报(信息科学版)》 EI CSCD 北大核心 2015年第9期1151-1156,共6页
高光谱影像利用流形学习降维和分类器分类时往往忽略了影像本身的空间特征,这将严重制约最终的分类精度。因此,本文以拉普拉斯特征映射和k-近邻分类器为例,提出了自适应加权综合核距离来同时改进流形学习方法和分类器方法,目的在于改善... 高光谱影像利用流形学习降维和分类器分类时往往忽略了影像本身的空间特征,这将严重制约最终的分类精度。因此,本文以拉普拉斯特征映射和k-近邻分类器为例,提出了自适应加权综合核距离来同时改进流形学习方法和分类器方法,目的在于改善高光谱影像的分类结果。自适应加权综合核距离同时考虑高光谱影像的光谱特征和空间特征,且能够针对每个像素点自动估算空间邻域来描述空间特征。通过Indian和PaviaU两个数据集来分析和验证本文提出的组合策略,实验结果表明,本文提出的组合策略得到的分类结果明显优于常规拉普拉斯特征映射降维和常规k-近邻分类的组合策略,能够得到更高精度的分类结果。 展开更多
关键词 高光谱分类 非线性降维 改进拉普拉斯特征映射 改进k-近邻分类 自适应加权综合核距离
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部