典型文献
利用胶囊网络实现高光谱影像空谱联合分类
文献摘要：
卷积神经网络等深度学习模型已经在高光谱影像分类任务中取得了理想的结果.然而,由于传统神经元只能进行标量计算,现有的深度学习模型无法对高光谱影像特征的实例化参数进行建模,因此无法在邻域范围受限的条件下获得令人满意的分类效果.通过引入胶囊网络结构设计了一种新型网络模型,该模型利用胶囊神经元进行向量计算,并利用权重矩阵编码特征间的空间关系,能够进一步提高高光谱影像的分类精度.在帕维亚大学、印第安纳松树林和萨利纳斯山谷数据集上进行验证,实验结果表明,所提出的网络模型较传统算法和卷积神经网络分类模型而言具有更加优异的分类性能,且对训练样本数量和像素邻域范围具有更好的适应性.
文献关键词：
高光谱影像分类;胶囊网络;胶囊神经元;卷积层;深度学习
中图分类号：
作者姓名：
高奎亮;余旭初;张鹏强;谭熊;刘冰
作者机构：
信息工程大学,河南 郑州,450001
文献出处：
引用格式：
[1]高奎亮;余旭初;张鹏强;谭熊;刘冰-.利用胶囊网络实现高光谱影像空谱联合分类)[J].武汉大学学报（信息科学版）,2022(03):428-437
A类：
胶囊神经元,帕维亚,萨利纳斯,利纳斯
B类：
胶囊网络,空谱联合,深度学习模型,高光谱影像分类,分类任务,标量,影像特征,实例化,邻域,得令,令人满意,分类效果,网络结构设计,行向量,用权,权重矩阵,矩阵编码,编码特征,空间关系,分类精度,亚大,印第安纳,松树,树林,斯山,山谷,传统算法,神经网络分类,分类模型,分类性能,训练样本,样本数量,像素,卷积层
AB值：
0.352294
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。
