模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (3): 241-252    DOI: 10.16451/j.cnki.issn1003-6059.202103006
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于增强空谱特征网络的空间感知协同表示算法
刘双1, 张永1
1.辽宁师范大学 计算机与信息技术学院 大连 116081
Spatial Aware Collaborative Representation Based on Augmented Spatial Spectral Features Network
LIU Shuang1, ZHANG Yong1
1. School of Computer and Information Technology, Liaoning Nor-mal University, Dalian 116081

全文: PDF (3244 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 高光谱图像具有高维度、带间相关性较高、样本数量较少等诸多问题,直接利用表示学习算法对高光谱图像进行分类会导致严重的维数灾难.对于高光谱图像,不是所有的光谱带都可用于特定的分类任务.因此,文中提出基于增强空谱特征网络的空间感知协同表示算法.依据高光谱图像内在的低维流形构建基于空谱特征的分层网络.利用训练的网络对高维数据进行特征提取,并利用空间感知协同表示算法进行分类.在两个高光谱数据集Indian Pines和Pavia University上的实验表明文中算法的有效性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘双
张永
关键词 表示学习空谱特征分层网络流形学习    
Abstract:The curse of dimensionality can be caused by directly using representation learning to classify hyperspectral image due to high dimensionality, high correlation between bands and limited samples of the hyperspectral image. For the hyperspectral image, not all spectral bands are available for specific classification tasks. Therefore, spatial aware collaborative representation based on augmented spatial spectral features network is proposed in this paper. A hierarchical spatial spectral features network is built according to the low dimensional manifolds inherent in the hyperspectral image. Features of high dimensional data are extracted by training network. Spatial aware collaborative representation algorithms are utilized for classification. Experiments on two hyperspectral remote sensing datasets, Indian Pines and Pavia University, verify the effectiveness of the proposed algorithm.
Key wordsRepresentation Learning    Spatial Spectral Feature    Hierarchical Network    Manifold Learning   
收稿日期: 2020-12-14     
ZTFLH: TP 751  
  TP 183  
基金资助:国家自然科学基金项目(No.61772252)、辽宁省自然科学基金项目(No.2019-MS-216)、辽宁省高等学校创新人才支持计划项目(No.LR2017044)资助
通讯作者: 张 永,博士,教授,主要研究方向为数据挖掘、智能计算.E-mail:zhyong@lnnu.edu.cn.   
作者简介: 刘 双,硕士研究生,主要研究方向为机器学习、智能计算.E-mail:lnnu_liushuang@163.com.
引用本文:   
刘双, 张永. 基于增强空谱特征网络的空间感知协同表示算法[J]. 模式识别与人工智能, 2021, 34(3): 241-252. LIU Shuang, ZHANG Yong. Spatial Aware Collaborative Representation Based on Augmented Spatial Spectral Features Network. , 2021, 34(3): 241-252.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202103006      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I3/241
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn