基于线性嵌入和张量流形的高光谱特征提取
为了使降维结果更好地体现高光谱数据的空间结构信息,并进一步提高分类精度,提出了一种基于线性嵌入和张量流形的高光谱特征提取算法.不同于其他流形结构的表达方法,所提算法采用协同表示理论求解全局线性嵌入的权重矩阵,更有利于保持高维数据的全局信息,提高了流形结构表达的准确性.同时,建立了基于多特征描述的张量流形降维框架,得到的显式映射具有较强的可靠性和全局适应性.实验结果表明:与主成分分析、局部线性嵌入、拉普拉斯特征映射和线性保留投影等算法相比,所提算法表现出了更优越的分类性能.
遥感、高光谱、降维、线性嵌入、流形学习、张量表达
39
TP751.1(遥感技术)
国家自然科学基金;国家自然科学基金
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共9页
127-135