科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着成像光谱技术的进一步发展,高光谱数据的光谱分辨率不断被提高,得到的地物光谱特征更加精细化,可以实现地物的更细分类。但是,高维的光谱特征会对后续的数据处理带来一系列的问题,例如计算复杂度的增加,冗余信息对模型稳定性的影响以及对训练样本数量要求的提高等。处理这些问题最直接的方法就是维数约减。稀疏图是通过稀疏表示得到的一种具有稀疏特性的图,它具有优于一般图如6)近邻图和近邻图的特性,如噪声鲁棒性,稀疏性,自适应性。由于高光谱数据的非线性特性,保留局部结构信息的低维特征更利于后续的分类问题。本论文中的工作主要从两点出发:(1)稀疏图的学习,如何学习得到包含更多判别信息的稀疏图;(2)结合高光谱数据...
- 单位
