典型文献
空谱超像素核极限学习机的高光谱分类算法
文献摘要：
针对高光谱图像中光谱信息提取时高维特征向量由于部分邻域叠加造成数据缺损,以及图像局部区域像素点在空间结构信息中存在同谱异类现象和密度差异的问题,提出了一种基于空谱超像素融合核极限学习机(SSKELM)的高光谱图像分类算法.对光谱空间第一主成分分量进行超像素分割,每个超像素被看作一个形状自适应区域.利用空间信息、超像素内及像元间的核权重融合,获取像素点类别标签;同时,借助核函数在高维超平面数据中线性可分能力、极限学习机随机隐藏层输出矩阵及其优化算法的限制条件少等优势,将空谱像素点融合训练并形成新的矩阵样本输出.使用University of Pavia和Indian Pines两个数据集进行实验,总体准确率OA值较其他算法分别提高了 1.76％和2.80％,有效验证本文提出方法在图像分类中具有一定价值.
文献关键词：
空间结构信息;超像素;同谱异类;极限学习机
中图分类号：
作者姓名：
于佳宁;闫德勤;刘德山;张景
作者机构：
辽宁师范大学计算机与信息技术学院,辽宁大连116000
文献出处：
引用格式：
[1]于佳宁;闫德勤;刘德山;张景-.空谱超像素核极限学习机的高光谱分类算法)[J].微电子学与计算机,2022(05):45-52
A类：
同谱异类,SSKELM
B类：
核极限学习机,光谱分类,光谱信息,信息提取,高维特征向量,邻域,加造,造成数,局部区域,像素点,空间结构信息,密度差,高光谱图像分类,图像分类算法,超像素分割,空间信息,权重融合,核函数,超平面,中线,限制条件,点融合,融合训练,University,Pavia,Indian,Pines,OA,有效验证
AB值：
0.300179
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。
