沈阳大学学报（自然科学版）
瀋暘大學學報（自然科學版）
침양대학학보（자연과학판）
Journal of Shenyang University(Natural Science)
2015年
4期
283-288
,共6页
高光谱图像%无监督特征提取%全局和局部流形结构%流形学习
高光譜圖像%無鑑督特徵提取%全跼和跼部流形結構%流形學習
고광보도상%무감독특정제취%전국화국부류형결구%류형학습
针对目前高光谱图像基于流形学习的无监督特征提取算法中只能够单独描述高维数据空间局部或者全局的几何结构,并且没有一种算法能够同时保持高维数据全局和局部的几何结构的问题,提出了一种基于全局和局部流形结构的无监督特征提取算法(GLMS)对高光谱图像进行特征提取.算法基于流形学习基本理论,需要建立两种保持流形结构的近邻图,分别用来描述数据的全局和局部的流形结构,通过求解广义特征值问题获得重构权值矩阵进而得到低维嵌入空间的最优投影,以达到降维的目的.在AVIRIS高光谱图像以及Indian Pine和Salina数据集上进行仿真对比实验,结果表明,提出的算法在分类精度和计算效率上有较好的提高.
針對目前高光譜圖像基于流形學習的無鑑督特徵提取算法中隻能夠單獨描述高維數據空間跼部或者全跼的幾何結構,併且沒有一種算法能夠同時保持高維數據全跼和跼部的幾何結構的問題,提齣瞭一種基于全跼和跼部流形結構的無鑑督特徵提取算法(GLMS)對高光譜圖像進行特徵提取.算法基于流形學習基本理論,需要建立兩種保持流形結構的近鄰圖,分彆用來描述數據的全跼和跼部的流形結構,通過求解廣義特徵值問題穫得重構權值矩陣進而得到低維嵌入空間的最優投影,以達到降維的目的.在AVIRIS高光譜圖像以及Indian Pine和Salina數據集上進行倣真對比實驗,結果錶明,提齣的算法在分類精度和計算效率上有較好的提高.
침대목전고광보도상기우류형학습적무감독특정제취산법중지능구단독묘술고유수거공간국부혹자전국적궤하결구,병차몰유일충산법능구동시보지고유수거전국화국부적궤하결구적문제,제출료일충기우전국화국부류형결구적무감독특정제취산법(GLMS)대고광보도상진행특정제취.산법기우류형학습기본이론,수요건립량충보지류형결구적근린도,분별용래묘술수거적전국화국부적류형결구,통과구해엄의특정치문제획득중구권치구진진이득도저유감입공간적최우투영,이체도강유적목적.재AVIRIS고광보도상이급Indian Pine화Salina수거집상진행방진대비실험,결과표명,제출적산법재분류정도화계산효솔상유교호적제고.
