论文摘要
为了有效利用高光谱遥感图像中的波段信息,提高高光谱遥感图像分类的精确度,本文提出了基于栈式自编码神经网络(Stacked Autoencoder,SA)对高光谱遥感图像进行分类。栈式自编码神经网络充分利用高光谱图像中的光谱信息,对其进行相应特征提取,避免了相邻信息间的相关性和信息的冗余,本方法采用无监督学习和监督学习相结合,既可以像传统方法那样进行降维,简化相关的计算复杂度,同时在分类精度上有很大地提高。
论文目录
文章来源
类型: 期刊论文
作者: 张国东,周浩,方淇,张露,杨峻
关键词: 栈式自编码神经网络,高光谱图像,光谱特征,微调
来源: 红外技术 2019年05期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 云南大学信息学院
基金: 国家自然科学基金项目资助(11663007),中国科学院天体结构与演化重点实验室开放课题资助(OP201510)
分类号: TP751;TP183
页码: 450-456
总页数: 7
文件大小: 488K
下载量: 334
相关论文文献
标签：栈式自编码神经网络论文; 高光谱图像论文; 光谱特征论文; 微调论文;