典型文献
基于高效层级学习图卷积网络的高光谱图像分类
文献摘要：
高光谱图像是三维图像,其像素中丰富的信息可用于地物识别,因此高光谱图像分类已成为遥感界一个重要的研究课题.近年来,随着深度学习的发展,利用图卷积网络(GCN)对高光谱图像进行分类已经取得了显著成就,但一般基于GCN的训练算法在提取特征时需要进行递归计算,因此将其应用于大规模图数据集时具有非常高的计算成本.文章构建层级学习图卷积网络(L-GCN)模型,通过采用分层的训练方式,对特征聚合和特征变换进行了分解,将其用于高光谱图像分类,能够在保持相当性能的同时降低训练时间.实验验证了该方法的有效性.
文献关键词：
高光谱图像分类;深度学习;图卷积网络
中图分类号：
作者姓名：
闫如雪;余泽霖;刘泽宇
作者机构：
安徽大学计算机科学与技术学院,安徽合肥 230601
文献出处：
引用格式：
[1]闫如雪;余泽霖;刘泽宇-.基于高效层级学习图卷积网络的高光谱图像分类)[J].电脑与信息技术,2022(06):15-17,50
A类：
B类：
图卷积网络,高光谱图像分类,像是,三维图像,像素,地物识别,研究课题,GCN,显著成就,训练算法,提取特征,递归计算,大规模图数据,计算成本,训练方式,特征聚合,特征变换,相当性,训练时间
AB值：
0.228617
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。
