典型文献
基于改进训练策略的高光谱图像分类
文献摘要：
将卷积神经网络应用在高光谱图像分类中,提出了一种基于训练集损失的训练策略.这种策略选取固定训练周期后半段训练集损失最小时的权重作为最终使用的权重,模型在固定周期下训练完毕,输出的模型为训练集损失最小时的模型.为了评估提出训练策略的有效性,在Indian Pines、Pavia University、Salina Valley数据集上使用了SSRN、FDSSC、DBMA、DBDA模型,对比于广泛使用的早停训练策略进行了实验,识别精度及其稳定性普遍获得了提高,使用的有标记样本仅为早停训练策略的一半.
文献关键词：
高光谱图像分类;卷积神经网络;早停策略;最小损失;识别精度;图像分类
中图分类号：
作者姓名：
吴少乔
作者机构：
哈尔滨工程大学信息与通信工程学院,哈尔滨150001
文献出处：
引用格式：
[1]吴少乔-.基于改进训练策略的高光谱图像分类)[J].哈尔滨商业大学学报（自然科学版）,2022(02):154-161,170
A类：
FDSSC,DBMA,早停策略
B类：
训练策略,高光谱图像分类,网络应用,训练集,训练周期,后半段,重作,终使,完毕,Indian,Pines,Pavia,University,Salina,Valley,SSRN,DBDA,停训,识别精度,标记样本,最小损失
AB值：
0.313036
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
