典型文献
面向高光谱图像分类的半监督双流网络
文献摘要：
为了提取高光谱图像中的深度鉴别特征,往往需要大量标记样本,但是高光谱图像样本标定困难,基于高光谱图像的"图谱合一"特性提出一种基于深度-流形学习的半监督双流网络.该网络用卷积网络和神经网络分别提取少量标记样本以及大量无标记样本中的空-谱联合特征,然后分别构建基于监督图和非监督图的流形重构图模型,以挖掘其中的本征流形结构.在此基础上设计了基于均方误差和流形学习的联合损失函数,以协同度量流形边界和空-谱概率残差,实现双流网络的一体化反馈和优化,进而实现地物分类.在WHU-Hi龙口和黑河高光谱数据集上实验的总体分类精度分别达到97.53％和96.79％,有效提升了地物分类能力.
文献关键词：
高光谱遥感;地物分类;特征提取;图嵌入;流形学习;半监督学习
中图分类号：
作者姓名：
黄鸿;张臻;嵇凌;李政英
作者机构：
重庆大学光电技术与系统教育部重点实验室,重庆400044;中国电子科技集团公司第三十四研究所,广西桂林541004
文献出处：
引用格式：
[1]黄鸿;张臻;嵇凌;李政英-.面向高光谱图像分类的半监督双流网络)[J].光学精密工程,2022(15):1889-1904
A类：
B类：
高光谱图像分类,双流网络,鉴别特征,标记样本,像样,流形学习,卷积网络,无标记,联合特征,构图,图模型,流形结构,均方误差,联合损失函数,协同度,地物分类,WHU,Hi,龙口,黑河,高光谱数据,分类精度,高光谱遥感,图嵌入,半监督学习
AB值：
0.262667
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。
