10.3969/j.issn.1001-0548.2016.02.012
基于堆栈式稀疏自编码器的高光谱影像分类
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。
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
45
TP751.1(遥感技术)
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
2016-06-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
382-386