典型文献
基于网格法分集和主动学习的高光谱图像分类方法
文献摘要：
针对高光谱图像分类过程中分类精度低和样本数量较少的问题,文中提出了一种基于网格法分集和主动学习的图像分类方法.该方法利用网格法将主成分空间划分成若干网格,在每个含有样本的网格中随机挑选一个样本,并将其原始光谱数据归入训练集;随后,采用主动学习方法,在其余样本中用K-近邻法选择不确定性最大的若干样本并入训练集,从而扩充了训练集,并使数据集具有代表性,提升了分类精度.同时,在数据处理过程中,联合运用主成分分析和线性判别分析对光谱数据进行降维,进一步提高了运算速度.实验结果表明,在Indian Pines高光谱数据集中,在少量训练集样本的情况下,该方法相较于随机分集和非主动学习,分别将总体分类精度提升了12.24％和19.76％.
文献关键词：
高光谱图像;分类;网格法分集;主动学习;K-近邻法;主成分分析;线性判别分析;少样本
中图分类号：
作者姓名：
申奕涵;杨京辉;王皓
作者机构：
中国地质大学(北京) 信息工程学院,北京100083
文献出处：
引用格式：
[1]申奕涵;杨京辉;王皓-.基于网格法分集和主动学习的高光谱图像分类方法)[J].电子科技,2022(11):48-57
A类：
网格法分集
B类：
主动学习,高光谱图像分类,分类方法,分类过程,分类精度,样本数量,法利,空间划分,有样,一个样,归入,训练集,近邻,并入,联合运用,线性判别分析,Indian,Pines,高光谱数据,精度提升,少样本
AB值：
0.200512
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。
