典型文献
基于三维旋转卷积核的高光谱图像分类研究
文献摘要：
针对在空谱信息特征提取过程中,由于降维造成部分高光谱信息丢失从而影响分类精度的问题,提出一种新型的三维旋转卷积核,并设计了无监督的旋转卷积受限波尔兹曼机.其从三维模型的原始表征中学习三维模型的高层局部特征,在原始数据上直接进行三维特征提取,获取表达力更强的局部表征,从而提高分类精度.将本文所提模型在Indian Pines和Pavia University公开数据集上进行验证,并同其他经典的分类方法进行实验对比.实验结果表明:该方法不仅能大幅度节省可学习的参数,降低模型的复杂度,而且表现出较好的分类性能.
文献关键词：
空谱分类;无监督学习;旋转卷积受限波尔兹曼机;高光谱图像
中图分类号：
作者姓名：
龙浩;徐聪;姚浩
作者机构：
北京联合大学 北京市信息服务工程重点实验室,北京 100101;北京联合大学 机器人学院,北京 100027
文献出处：
引用格式：
[1]龙浩;徐聪;姚浩-.基于三维旋转卷积核的高光谱图像分类研究)[J].北京联合大学学报,2022(04):51-57
A类：
旋转卷积受限波尔兹曼机,受限波尔兹曼机,空谱分类
B类：
卷积核,高光谱图像分类,分类研究,信息特征,光谱信息,信息丢失,分类精度,局部特征,原始数据,接进,三维特征提取,表达力,Indian,Pines,Pavia,University,公开数据集,并同,分类方法,实验对比,可学,分类性能,无监督学习
AB值：
0.291915
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。
