10.3969/j.issn.2095-5456.2014.06.007
高光谱图像半监督局部稀疏嵌入降维算法
针对目前高光谱图像半监督降维算法中基于流形学习的开放性选择近邻参数问题,以及利用传统算法不能有效地获取标签数据的局部信息,提出了一种无需考虑近邻参数的半监督局部稀疏嵌入(SELSE)算法.该算法基于稀疏表示理论,通过求解范数优化问题构建稀疏系数图,并且利用有限的标签数据最大化类间信息,提取高光谱图像的特征.在AVIRIS高光谱遥感图像的Indian Pine数据集上进行仿真实验,结果表明所提出算法在分类精度和计算效率上都有所提高.
高光谱图像、半监督特征提取、稀疏表示、谱图理论
26
TN911.7
国家自然科学基金资助项目61405041;黑龙江省自然科学基金重点资助项目ZD201216;哈尔滨市优秀学科带头人基金资助项目RC2013XK009003;中国博士后科学基金资助项目2014M551221;黑龙江省博士后基金资助项目LBH-Z13057
2015-01-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
462-467