本文關(guān)鍵詞：半監(jiān)督復(fù)合核圖聚類在高光譜圖像中的應(yīng)用

  更多相關(guān)文章： 高光譜遙感圖像 聚類 半監(jiān)督學(xué)習(xí) 復(fù)合核

【摘要】：針對圖的半監(jiān)督聚類算法(Semi-Supervised Graph-Based Clustering,SSGC)中出現(xiàn)的對先驗信息利用不充分、不足以應(yīng)對數(shù)據(jù)異構(gòu)、計算耗時大等問題,本文提出一種基于半監(jiān)督復(fù)合核的圖聚類算法,并應(yīng)用于高光譜圖像。該算法首先通過引入半監(jiān)督學(xué)習(xí)方法對徑向基函數(shù)(Radial Basis Function,RBF)進行了改進,以充分利用少量的標(biāo)記樣本和無標(biāo)記樣本;其次將RBF核與光譜角核進行融合,構(gòu)造復(fù)合核權(quán)重矩陣。在權(quán)重矩陣的構(gòu)造過程中,K-近鄰方法的引入也簡化了計算過程。在Indian Pine和Botswana高光譜數(shù)據(jù)集上的實驗結(jié)果表明,相對于SSGC算法,本文算法不僅實現(xiàn)了更高的分類正確率,其總體分類精度提升1%～4%,而且有效提升了運算速度。
【作者單位】： 重慶大學(xué)光電技術(shù)與系統(tǒng)教育部重點實驗室;
【關(guān)鍵詞】： 高光譜遙感圖像 聚類 半監(jiān)督學(xué)習(xí) 復(fù)合核
【基金】：國家自然科學(xué)基金(61101168) 重慶市基礎(chǔ)與前沿研究計劃(cstc2013jcyj A40005)
【分類號】：TP751
【正文快照】： 0引言高光譜遙感圖像包含了豐富的空間和光譜信息,具有很高的分辨力,已應(yīng)用到科學(xué)研究的各個領(lǐng)域,特別是國防等涉及國家安全方面[1]。然而,面對高光譜的海量數(shù)據(jù),如何將高光譜圖像的各種特征結(jié)合,研究快速、高效的目標(biāo)識別算法是目前和未來一段時間內(nèi)的一個重點。聚類分析是數(shù)

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 孫相富,潘宗佑;金單晶膜靶的制備[J];核技術(shù);1979年02期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉俊杰;基于復(fù)合核的相關(guān)向量機高光譜圖像分類[D];湖北大學(xué);2014年

，

本文編號：800623