数据内蕴结构驱动的深度学习高光谱图像分类

摘要：

针对深度学习性能受限于高光谱遥感图像有限样本的问题,提出一种描述类别样本先验分布模型的数据内蕴结构,并利用特定样本点与类别先验分布模型以及样本子集与类别先验分布模型间数据内蕴结构关系作为先验信息构造数据内蕴结构驱动的新型深度学习方法,提高了有限样本下深度学习高光谱图像分类性能.此外,文章介绍了新型学习方法的具体表现形式并展示了传统深度学习方法以及数据内蕴结构驱动新型深度学习方法在3个实际高光谱遥感图像上的相关分类性能.实验结果表明,基于数据内蕴结构驱动的新型深度学习方法能显著提高深度模型的分类性能.

关键词：深度学习方法、数据内蕴结构、类别模型、Fisher判别准则、交叉熵

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金62001502

在线出版日期：2023-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：104-111