基于堆栈式稀疏自编码器的高光谱影像分类

摘要：

为挖掘高光谱影像数据的内在光谱特征，该文基于深度学习理论，引用堆栈式稀疏自编码器构建原始数据的深层特征表达。首先通过稀疏自编码器，得到原始数据的稀疏特征表达。其次通过逐层学习稀疏自编码器构建深度神经网，输出原始数据的深度特征。最后将其连接到支持向量机分类器，完成模型的精调。实验结果分析表明：基于堆栈式稀疏自编码器的最优分类模型，总体精度可达87.82%，优于实验中的其他方法，证明了深度学习方法在高光谱影像处理中具有良好的分类性能。

关键词：深度神经网、特征提取、高光谱影像分类、堆栈式稀疏自编码器、支持向量机

所属期刊栏目：45

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金41201440,41071265,41102225；教育部高等学校博士学科点专项科研基金20135122120009；四川省教育厅科研项目15ZB0066；国土资源部地学空间信息技术重点实验室课题KLGSIT2013-02

在线出版日期：2016-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：382-386