针对传统的图正则方法在邻域的构造和为顶点分配权重方面不能完全解释数据之间的结构关系的问题，该文提出了一种自适应图约束深层非负矩阵下的高光谱解混(AGDNMF)模型。在增加自适应图正则项约束的基础上，将重加权稀疏正则项引入到深层NMF模型，随着丰度矩阵迭代进行权值的自适应更新。这使得该算法不仅能够自动确定最佳邻域，反映复杂数据的内在结构，还在解混精度上有了一定的提升。基于模拟数据集和真实数据集的实验结果表明，该方法相较于其他经典方法具有更好的解混性能，同时还具有一定的去噪能力。
科研之友
微信
新浪微博
Facebook
分享链接
