高光谱影像分类的深度少样例学习方法
高光谱影像分类的深度少样例学习方法
Publication information
Publisher
信息工程大学,河南郑州450001
More information
Scope and Contents
Contents
P237; 针对高光谱影像分类面临的小样本问题,提出了一种深度少样例学习算法,该算法在训练过程中通过模拟小样本分类的情况来训练深度三维卷积神经网络提取特征,其提取得到的特征具有较小类内间距和较大的类间间距,更适合小样本分类问题,且能用于不同的高光谱数据,具有更好的泛化能力.利用训练好的模型提取目标数据集的特征,然后结合最近邻分类器和支持向量机分类器进行监督分类.利用Pavi a大学、Indi an Pines和Salinas 3组高光谱影像数据进行分类试验,试验结果表明,该算法能够在训练样本较少的情况下(每类地物仅选取5个标记样本作为训练样本)取得优于传统半监督分类方法的分类精度.
Alternative Titles
Full title
高光谱影像分类的深度少样例学习方法
Identifiers
Primary Identifiers
Record Identifier
TN_cdi_wanfang_journals_chxb202010011
Permalink
https://devfeature-collection.sl.nsw.gov.au/record/TN_cdi_wanfang_journals_chxb202010011
Other Identifiers
ISSN
1001-1595
DOI
10.11947/j.AGCS.2020.20190486
How to access this item
Log in as a Library member
