典型文献
鲁棒多特征谱聚类的高光谱影像波段选择
文献摘要：
传统谱聚类的高光谱影像波段选择模型中,采用的波段相似矩阵受到噪声或异常值的影响且仅能表征波段的单一相似特征,导致波段子集的选取结果受到限制.本文从波段选择的目的 出发,提出鲁棒多特征谱聚类方法,整合多个特征的波段相似矩阵来形成综合相似矩阵以解决上述问题.该方法假设4种相似性度量包括光谱信息散度、光谱角度距离、波段相关性和拉普拉斯图谱能够共同揭示波段聚类的内在结构特征,通过构建低秩稀疏矩阵分解模型来表征单一相似矩阵与综合相似矩阵的内在关系.进一步,采用增强拉格朗日乘子算法来优化求解综合相似矩阵,利用常规谱聚类方法来聚合所有波段至不同的类别,并选取代表性波段.采用两个常用的高光谱影像数据,对比5种常用的波段选择方法来进行实验验证.实验结果表明,鲁棒多特征谱聚类方法优于改进稀疏子空间聚类、常规谱聚类方法和其他主流波段选择方法,而且计算效率较高.
文献关键词：
遥感;高光谱遥感;降维;波段选择;分类;鲁棒多特征谱聚类
中图分类号：
作者姓名：
孙伟伟;杨刚;彭江涛;孟祥超
作者机构：
宁波大学地理与空间信息技术系,宁波315211;湖北大学数学与统计学学院,湖北省应用数学重点实验室,武汉430062;宁波大学信息科学与工程学院,宁波315211
文献出处：
引用格式：
[1]孙伟伟;杨刚;彭江涛;孟祥超-.鲁棒多特征谱聚类的高光谱影像波段选择)[J].遥感学报,2022(02):397-405
A类：
鲁棒多特征谱聚类
B类：
高光谱影像,波段选择,相似矩阵,异常值,段子,子集,受到限制,聚类方法,相似性度量,光谱信息散度,度距离,拉普拉斯,示波,内在结构,低秩稀疏,稀疏矩阵,矩阵分解,分解模型,内在关系,拉格朗日乘子,乘子算法,优化求解,影像数据,选择方法,稀疏子空间,子空间聚类,计算效率,高光谱遥感
AB值：
0.248827
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。
