10.16251/j.cnki.1009-2307.2022.10.021
随机子空间和MRF的高光谱遥感集成学习算法
针对最近正则化子空间(NRS)算法精度受限的问题,该文设计了基于随机子空间的最近正则化子空间集成算法(RSNRS).该算法通过采用随机子空间的集成方式有效地提升了基分类器NRS的分类效果.考虑到充分利用高光谱遥感影像丰富的空间信息,进一步提出了一种基于随机子空间和马尔科夫随机场的高光谱遥感最近正则化子空间集成学习算法(RSNRS-MRF).该算法利用马尔科夫随机场对RSNRS的初始分类结果进行结构规则化,得到最终分类结果.实验结果表明,RSNRS和RSNRS-MRF在分类效果上比NRS有明显的提升,RSNRS-MRF相较于RSNRS具有更好的分类效果,更能有效削弱噪声.
随机子空间、协同表示、马尔科夫随机场、集成学习
47
TP751(遥感技术)
江苏省自然资源科技项目2021052
2023-01-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
161-167,175