基于半监督稀疏流形嵌入的高光谱影像特征提取

StepPeng33

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，
/ O. L3 L5 C  L1 c$ ]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
$ Q9 o8 O: C" W0 R! L3 J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
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。
8 @; g) @! |3 k0 iS3ME 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
" N% X9 r! Y2 W# @# c# e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
比传统特征提取方法提升了地物分类性能。
关键词：高光谱数据；特征提取；半监督学习；稀疏流形嵌入
1 引言
$ K3 x& |. l4 k; W+ u高光谱影像是由数十数百个波段组成的图像，
1 u" m( b3 q4 W! X8 k  t/ K- s


- H1 k9 m4 x- r) a# Y附件下载：

游客，如果您要查看本帖隐藏内容请回复

9 i# t- r$ M  O9 Z2 ^' P
) c. B1 H$ \6 d% |

ESCAPE

谢谢分享