光电工程
光電工程
광전공정
OPTO-ELECTRONIC ENGINEERING
2013年
6期
97-105
,共9页
刘嘉敏%罗甫林%黄鸿%杨璧泽
劉嘉敏%囉甫林%黃鴻%楊璧澤
류가민%라보림%황홍%양벽택
高光谱影像%流形学习%局部线性嵌入(LLE)%近邻点
高光譜影像%流形學習%跼部線性嵌入(LLE)%近鄰點
고광보영상%류형학습%국부선성감입(LLE)%근린점
hyperspectral images%manifold learning%locally linear embedding (LLE)%neighbor points
局部线性嵌入(LLE)等流形学习算法中需要通过欧氏距离来度量数据点之间的近邻关系,但欧氏距离只表示两点间的直线距离,在高维空间中不一定能真实反映出图像数据点之间的空间分布情况.针对此问题,本文提出了融合数据间夹角和欧氏距离度量LLE近邻和分类的方法.该方法通过融合图像数据间的夹角和欧氏距离来度量图像数据点之间的近邻关系,寻找k个近邻点,实现更有效的局部重构,提取鉴别特征,然后用融合了数据间夹角的最近邻分类器对数据进行分类.在KSC和Indian Pine高光谱遥感影像数据集上的实验结果表明:在总体分类精度上,本文算法比LLE提升了1.54%～6.91％.
跼部線性嵌入(LLE)等流形學習算法中需要通過歐氏距離來度量數據點之間的近鄰關繫,但歐氏距離隻錶示兩點間的直線距離,在高維空間中不一定能真實反映齣圖像數據點之間的空間分佈情況.針對此問題,本文提齣瞭融閤數據間夾角和歐氏距離度量LLE近鄰和分類的方法.該方法通過融閤圖像數據間的夾角和歐氏距離來度量圖像數據點之間的近鄰關繫,尋找k箇近鄰點,實現更有效的跼部重構,提取鑒彆特徵,然後用融閤瞭數據間夾角的最近鄰分類器對數據進行分類.在KSC和Indian Pine高光譜遙感影像數據集上的實驗結果錶明:在總體分類精度上,本文算法比LLE提升瞭1.54%～6.91％.
국부선성감입(LLE)등류형학습산법중수요통과구씨거리래도량수거점지간적근린관계,단구씨거리지표시량점간적직선거리,재고유공간중불일정능진실반영출도상수거점지간적공간분포정황.침대차문제,본문제출료융합수거간협각화구씨거리도량LLE근린화분류적방법.해방법통과융합도상수거간적협각화구씨거리래도량도상수거점지간적근린관계,심조k개근린점,실현경유효적국부중구,제취감별특정,연후용융합료수거간협각적최근린분류기대수거진행분류.재KSC화Indian Pine고광보요감영상수거집상적실험결과표명:재총체분류정도상,본문산법비LLE제승료1.54%～6.91％.
