面向高光谱遥感影像分类的监督多流形鉴别嵌入方法OA北大核心CSCDCSTPCD
Supervised Multi-manifold Discriminant Embedding Method for Hyperspectral Remote Sensing Image Classification
流形学习方法可以发现嵌入于高维观测数据中的低维流形结构,但是传统的流形学习算法都是假设所有数据位于单一流形上,忽略了高维数据中不同的子集可能存在不同的流形.针对上述问题,本文提出一种监督多流形鉴别嵌入的维数约简方法,并应用于高光谱遥感影像分类.该方法首先利用样本数据的类别标签进行多子流形划分,在此基础上采用图嵌入理论构造流形内图和流形间图,然后通过最小化流形内距离同时最大化流形间距离以增强类内数据聚集性和类间数据分散性,提取低维鉴别特征,改善地物分类性能.在University of Pavia (PaviaU)和Kennedy Space Center (KSC)高光谱数据集上的实验表明,相较于其他单流形算法和多流形算法,该方法取得了更高的分类精度,在随机选取2％训练样本时,其总体分类精度分别达到88.04％和84.53％,有效提升了地物分类性能.
黄鸿;王丽华;石光耀
重庆大学光电技术及系统教育部重点实验室,重庆400044重庆大学光电技术及系统教育部重点实验室,重庆400044重庆大学光电技术及系统教育部重点实验室,重庆400044
信息技术与安全科学
高光谱遥感影像分类特征提取图嵌入多流形学习
《电子学报》 2020 (6)
1099-1107,9
重庆市基础研究与前沿探索项目(No.cstc2018jcyjAX0093)国家自然科学基金(No.41371338)重庆市研究生科研创新项目(No.CYB19039)
评论