10.3969/j.issn.1000-7024.2013.08.026
基于KMNF和BP神经网络的高光谱遥感影像分类
为了对高维非线性的高光谱影像进行降维及信息提取,提出了高光谱影像核最小噪声分离变换(kernel minimum noise fraction,KMNF)特征提取后利用BP神经网络分类的方法.以高光谱影像KMNF特征提取后的前几个特征分量作为BP神经网络的输入,进行BP神经网络分类,并与单独的高光谱影像BP神经网络分类进行比较.美国内华达州CUPRITE矿区AVIRIS数据的实验结果表明,基于KMNF和BP神经网络的高光谱影像分类较单独BP神经网络分类总体精度及时间性能均得到提高.
高光谱遥感、核最小噪声分离变换、核方法、BP神经网络、分类
34
TN911.73
国家自然科学基金项目41071265;高等学校博士学科点专项科研基金项目20105122110006;重庆市自然科学基金项目cstc2012jjA40055;国土资源部地学空间信息技术重点实验室开放基金项目KLGSIT2013-03
2013-10-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
2774-2777,2782