检索结果-维普期刊中文期刊服务平台

基于SVC和过采样的类别非均衡农业高光谱数据分类被引量：2: 1; 作者袁培森翟肇裕 +2 位作者任守纲顾兴健徐焕良《农业机械学报》 EI CAS CSCD 北大核心 2019年第6期257-264,共8页; 系统研究了农业高光谱数据中少数类的分类质量问题。为了提升少数类的分类质量,提出采用过采样SMOTE技术增加少数类新样本,同时研究了SMOTE技术中新样本生成策略和少数类采样倍率对高光谱数据中少数类分类结果的影响,以及不平衡数据集... 展开更多; 关键词高光谱数据分类支持向量分类过采样非均衡数据 SMOTE; 在线阅读下载PDF 职称材料

基于独立分量分析和相关向量机的高光谱数据分类被引量：2: 2; 作者殷岳萌冯燕刘萌萌《现代电子技术》 2010年第13期123-126,130,共5页; 提出一种独立分量分析(ICA)和相关向量机(RVM)相结合的高光谱数据分类方法,首先采用虚拟维数方法对高光谱数据维数进行估计,在此基础上,采用独立分量分析对数据进行降维,然后采用相关向量机对降维后的数据分类。计算机仿真实验结果表明... 展开更多; 关键词高光谱数据分类虚拟维数独立分量分析相关向量机; 在线阅读下载PDF 职称材料

基于ISOMAP的高光谱遥感数据的降维与分类被引量：12: 3; 作者丁玲唐娉李宏益《红外与激光工程》 EI CSCD 北大核心 2013年第10期2707-2711,共5页; 为挖掘高光谱遥感数据内在的非线性结构特性,采用全局化流形学习算法等距特征映射(ISOMAP)对高光谱遥感数据进行非线性降维,并取得了优于常用的最小噪声分离(MNF)变换方法的结果,具有更好的数据压缩性能。将光谱角相似性度量方法用于ISO... 展开更多; 关键词流形学习等距特征映射特征提取高光谱遥感数据分类; 在线阅读下载PDF 职称材料

面向分类应用的高光谱谱段选择方法: 4; 作者王雅超武刚丁丽霞《计算机工程与应用》 CSCD 北大核心 2017年第5期154-158,共5页; 高光谱数据在物质分类识别领域得到了广泛应用,但存在数据量大、波段间相关性高等问题,严重影响分类精度及应用。针对以上问题分析了已有的波段选择方法,提出了基于波段聚类及监督分类的遗传算法,对高光谱数据进行波段选择:采用K均值聚... 展开更多; 关键词遗传算法谱段选择 K均值聚类高光谱数据分类; 在线阅读下载PDF 职称材料

图Laplacian和自训练用于高光谱数据半监督波段选择: 5; 作者黄睿吕智强《数据采集与处理》 CSCD 北大核心 2014年第6期981-985,共5页; 波段选择是数据降维的有效手段,但有限的标记样本影响了监督波段选择的性能。提出一种利用图Laplacian和自训练策略实现半监督波段选择的方法。该方法首先定义基于图的半监督特征评分准则以产生初始波段子集,接着在该子集基础上进行分类... 展开更多; 关键词高光谱数据分类波段选择半监督学习图Laplacian 自训练; 在线阅读下载PDF 职称材料

应用监督近邻重构分析的高光谱遥感数据特征提取被引量：9: 6; 作者方敏王君 +1 位作者王红艳李天涯《红外与激光工程》 EI CSCD 北大核心 2016年第10期271-278,共8页; 针对高光谱遥感数据特征提取方法的研究,提出了一种新的监督近邻重构分析(Supervised Neighbor Reconstruction Analysis,SNRA)算法。该方法首先利用同一类别的近邻数据点对各数据点进行重构;然后在低维嵌入空间中保持该重构关系不变,... 展开更多; 关键词高光谱遥感数据分类特征提取监督学习邻域重构总体散度矩阵; 在线阅读下载PDF 职称材料

利用粒子群优化估计高光谱数据协方差矩阵: 7; 作者周丽娜黄睿李先华《计算机工程与应用》 CSCD 北大核心 2010年第23期203-205,230,共4页; 与传统的多光谱遥感相比,高光谱遥感具有更高的光谱分辨率,能更好地进行地物分类识别。但是,当训练样本数与数据维数相当,或小于后者时,会导致协方差矩阵近似奇异或奇异,使得经典最大似然分类失效,需要对协方差矩阵进行修正。典型的协... 展开更多; 关键词高光谱数据分类有限训练样本协方差矩阵估计粒子群优化算法(PSO); 在线阅读下载PDF 职称材料

基于粒子群算法和序贯搜索的高光谱波段选择被引量：5: 8; 作者黄睿何文勇《数据采集与处理》 CSCD 北大核心 2012年第4期469-473,共5页; 波段选择是降低高光谱数据量,克服地物分类中Hughes现象的有效手段。子集生成方式和评价准则是选择算法的两要素。提出一种混合随机搜索与启发式搜索的子集生成方法。该方法在随机搜索中嵌入启发式搜索,对由离散粒子群优化算法每次迭代... 展开更多; 关键词粒子群优化高光谱数据分类波段选择序贯搜索; 在线阅读下载PDF 职称材料

图Laplacian半监督特征加权用于高光谱波段选择被引量：3: 9; 作者黄睿陈玲《应用科学学报》 EI CAS CSCD 北大核心 2011年第6期626-630,共5页; 提出一种利用图Laplacian实现半监督波段选择的方法.该方法首先将标记样本类别信息引入图Laplacian,接着通过广义特征值求解确定投影变换矩阵,最后采用载荷因子对变换矩阵进行系数分析,对波段重要性赋以权值并排序.实验比较了多种波段... 展开更多; 关键词半监督特征加权图Laplacian 波段选择高光谱数据分类; 在线阅读下载PDF 职称材料

题名基于SVC和过采样的类别非均衡农业高光谱数据分类被引量：2: 1; 作者袁培森翟肇裕任守纲顾兴健徐焕良; 机构南京农业大学信息科学技术学院马德里理工大学技术工程和电信系统高级学院国家信息农业工程技术中心; 出处《农业机械学报》 EI CAS CSCD 北大核心 2019年第6期257-264,共8页; 基金国家自然科学基金项目(61502236) 中央高校基本科研业务费专项资金项目(KYZ201752、KJQN201651); 文摘系统研究了农业高光谱数据中少数类的分类质量问题。为了提升少数类的分类质量,提出采用过采样SMOTE技术增加少数类新样本,同时研究了SMOTE技术中新样本生成策略和少数类采样倍率对高光谱数据中少数类分类结果的影响,以及不平衡数据集上分类器与模型的匹配度。在新的采样数据集上采用多类分类SVC技术对少数类分类,提升了非均衡高光谱数据集中少数类的分类质量。在真实数据集上进行了试验验证,并对不同的分类方法和系统参数进行了试验对比和分析,结果表明,本文方法能够显著地提高非均衡高光谱数据中少数类分类效果,平均分类精度不小于0.82,平均召回率提升幅度为11.11%~26.15%,F1提升幅度为5.81%~40.85%。; 关键词高光谱数据分类支持向量分类过采样非均衡数据 SMOTE; Keywords hyperspectral data classification SVC oversampling imbalanced data SMOTE; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于独立分量分析和相关向量机的高光谱数据分类被引量：2: 2; 作者殷岳萌冯燕刘萌萌; 机构西北工业大学电子信息学院; 出处《现代电子技术》 2010年第13期123-126,130,共5页; 基金国家自然科学基金(60772133)资助项目; 文摘提出一种独立分量分析(ICA)和相关向量机(RVM)相结合的高光谱数据分类方法,首先采用虚拟维数方法对高光谱数据维数进行估计,在此基础上,采用独立分量分析对数据进行降维,然后采用相关向量机对降维后的数据分类。计算机仿真实验结果表明,该方法在获得较高分类精度的同时大大节省了分类时间。; 关键词高光谱数据分类虚拟维数独立分量分析相关向量机; Keywords hyperspectral data classification virtual dimension independent component analysis relevance vector ma- chine; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于ISOMAP的高光谱遥感数据的降维与分类被引量：12: 3; 作者丁玲唐娉李宏益; 机构中国科学院遥感与数字地球研究所中国科学院大学; 出处《红外与激光工程》 EI CSCD 北大核心 2013年第10期2707-2711,共5页; 基金国家863计划(2012AA12A304); 文摘为挖掘高光谱遥感数据内在的非线性结构特性,采用全局化流形学习算法等距特征映射(ISOMAP)对高光谱遥感数据进行非线性降维,并取得了优于常用的最小噪声分离(MNF)变换方法的结果,具有更好的数据压缩性能。将光谱角相似性度量方法用于ISOMAP算法,取得良好的降维效果。通过把ISOMAP降维算法和k-最邻近分类器相结合对降维后子空间特征进行分类,实验表明:ISOMAP利用较少的特征维数获得比MNF更高的分类精度,并达到较高稳定的分类精度,尤其对难以区分、光谱相似的两类别问题,ISOMAP的特征维数能够有效的提高两类别的可分性。; 关键词流形学习等距特征映射特征提取高光谱遥感数据分类; Keywords manifold learning isometric feature mapping feature extraction hyperspectral remote sensing data classification; 分类号 TP751.1 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名面向分类应用的高光谱谱段选择方法: 4; 作者王雅超武刚丁丽霞; 机构北京林业大学信息学院浙江农林大学环境与资源学院; 出处《计算机工程与应用》 CSCD 北大核心 2017年第5期154-158,共5页; 文摘高光谱数据在物质分类识别领域得到了广泛应用,但存在数据量大、波段间相关性高等问题,严重影响分类精度及应用。针对以上问题分析了已有的波段选择方法,提出了基于波段聚类及监督分类的遗传算法,对高光谱数据进行波段选择:采用K均值聚类算法对波段数据进行聚类分析,构造波段子集合;利用分类器族分类精度构造适应度函数,采用遗传算法对波段子集合进行优化选择。最后用阔叶林高光谱数据对提出的算法进行对比实验,实验结果表明针对分类应用,提出的算法能够非常有效地选择高光谱谱段。; 关键词遗传算法谱段选择 K均值聚类高光谱数据分类; Keywords genetic algorithm band selection K-mean clustering classification of hyperspectral data; 分类号 TP751.1 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名图Laplacian和自训练用于高光谱数据半监督波段选择: 5; 作者黄睿吕智强; 机构上海大学通信与信息工程学院; 出处《数据采集与处理》 CSCD 北大核心 2014年第6期981-985,共5页; 基金国家自然科学基金(61001162)资助项目; 文摘波段选择是数据降维的有效手段,但有限的标记样本影响了监督波段选择的性能。提出一种利用图Laplacian和自训练策略实现半监督波段选择的方法。该方法首先定义基于图的半监督特征评分准则以产生初始波段子集,接着在该子集基础上进行分类,采用自训练策略将部分可信度较高的非标记样本扩展至标记样本集合,再用特征评分准则对波段子集进行更新。重复该过程,获得最终波段子集。高光谱波段选择与分类实验比较了多种非监督、监督和半监督方法,实验结果表明所提算法能选择出更好的波段子集。; 关键词高光谱数据分类波段选择半监督学习图Laplacian 自训练; Keywords hyperspectral data classification band selection semi-supervised learning graph laplacian self-training; 分类号 TP751.1 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名应用监督近邻重构分析的高光谱遥感数据特征提取被引量：9: 6; 作者方敏王君王红艳李天涯; 机构四川理工学院理学院; 出处《红外与激光工程》 EI CSCD 北大核心 2016年第10期271-278,共8页; 基金国家自然科学基金(理论物理专项)(11547196) 四川省教育厅重点资助(15ZA0229) 四川理工学院人才引进资助(2013RC07); 文摘针对高光谱遥感数据特征提取方法的研究,提出了一种新的监督近邻重构分析(Supervised Neighbor Reconstruction Analysis,SNRA)算法。该方法首先利用同一类别的近邻数据点对各数据点进行重构;然后在低维嵌入空间中保持该重构关系不变,尽可能地分离开非同类数据点,并利用总体散度矩阵来约束数据间的相关性;最后求解得到一个最佳投影矩阵,进而提取出鉴别特征。SNRA算法不仅保持了同类数据的局部结构而且增强了非同类数据的可分性,同时减少了数据的冗余信息。在Indian Pine和KSC高光谱遥感数据集上的实验结果表明:提出的方法能更好地揭示出高光谱遥感数据的内在特性,提取出更有效的鉴别特征,改善分类效果。; 关键词高光谱遥感数据分类特征提取监督学习邻域重构总体散度矩阵; Keywords hyperspectral remote sensing data classification feature extraction supervised learning neighbor reconstruction total scatter matrix; 分类号 TP751 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名利用粒子群优化估计高光谱数据协方差矩阵: 7; 作者周丽娜黄睿李先华; 机构上海大学通信与信息工程学院遥感与空间信息科学研究中心; 出处《计算机工程与应用》 CSCD 北大核心 2010年第23期203-205,230,共4页; 基金国家自然科学基金No.40771145 高等学校博士点基金(No.20070280011) 气象行业专项项目(No.GYHY20070628)~~; 文摘与传统的多光谱遥感相比,高光谱遥感具有更高的光谱分辨率,能更好地进行地物分类识别。但是,当训练样本数与数据维数相当,或小于后者时,会导致协方差矩阵近似奇异或奇异,使得经典最大似然分类失效,需要对协方差矩阵进行修正。典型的协方差阵估计方法往往只选取总体协方差、类别协方差及其相应变形中的两种形式进行组合,未考虑多种形式共同对协方差阵估计的影响。提出将PSO算法应用到协方差阵估计中,考虑所有形式的共同作用,对组合参数进行优化。最后,通过高光谱数据的分类实验证明了方法的可行性和有效性。; 关键词高光谱数据分类有限训练样本协方差矩阵估计粒子群优化算法(PSO); Keywords hyperspectral data classification limited training samples covariance matrix estimation Particle Swarm Optimiza-tion（PSO）; 分类号 TP79 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于粒子群算法和序贯搜索的高光谱波段选择被引量：5: 8; 作者黄睿何文勇; 机构上海大学通信与信息工程学院; 出处《数据采集与处理》 CSCD 北大核心 2012年第4期469-473,共5页; 基金国家自然科学基金(61001162)资助项目; 文摘波段选择是降低高光谱数据量,克服地物分类中Hughes现象的有效手段。子集生成方式和评价准则是选择算法的两要素。提出一种混合随机搜索与启发式搜索的子集生成方法。该方法在随机搜索中嵌入启发式搜索,对由离散粒子群优化算法每次迭代更新的种群利用序贯搜索进行局部微调,提高了随机搜索的精度。这种嵌入微调也保证了优化算法解的有效性。高光谱波段选择与分类实验比较了该方法与混合遗传算法、标准遗传算法和顺序前向浮动选择算法的性能,表明算法能选择出评价准则意义下更好的子集。; 关键词粒子群优化高光谱数据分类波段选择序贯搜索; Keywords particle swarm optimization hyperspectral data classification band selection sequential search; 分类号 TP751.1 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名图Laplacian半监督特征加权用于高光谱波段选择被引量：3: 9; 作者黄睿陈玲; 机构上海大学通信与信息工程学院; 出处《应用科学学报》 EI CAS CSCD 北大核心 2011年第6期626-630,共5页; 基金国家自然科学基金(No.61001162)资助; 文摘提出一种利用图Laplacian实现半监督波段选择的方法.该方法首先将标记样本类别信息引入图Laplacian,接着通过广义特征值求解确定投影变换矩阵,最后采用载荷因子对变换矩阵进行系数分析,对波段重要性赋以权值并排序.实验比较了多种波段选择算法,结果表明算法能更好地利用标记样本的类别信息和大量非标记样本中的局部结构信息,性能优于多种波段选择方法.; 关键词半监督特征加权图Laplacian 波段选择高光谱数据分类; Keywords semi-supervised feature weighting graph Laplacian band selection hyperspectral data classification; 分类号 TP751.1 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于SVC和过采样的类别非均衡农业高光谱数据分类	袁培森翟肇裕任守纲顾兴健徐焕良	《农业机械学报》 EI CAS CSCD 北大核心	2019	2	在线阅读下载PDF 职称材料
2	基于独立分量分析和相关向量机的高光谱数据分类	殷岳萌冯燕刘萌萌	《现代电子技术》	2010	2	在线阅读下载PDF 职称材料
3	基于ISOMAP的高光谱遥感数据的降维与分类	丁玲唐娉李宏益	《红外与激光工程》 EI CSCD 北大核心	2013	12	在线阅读下载PDF 职称材料
4	面向分类应用的高光谱谱段选择方法	王雅超武刚丁丽霞	《计算机工程与应用》 CSCD 北大核心	2017	0	在线阅读下载PDF 职称材料
5	图Laplacian和自训练用于高光谱数据半监督波段选择	黄睿吕智强	《数据采集与处理》 CSCD 北大核心	2014	0	在线阅读下载PDF 职称材料
6	应用监督近邻重构分析的高光谱遥感数据特征提取	方敏王君王红艳李天涯	《红外与激光工程》 EI CSCD 北大核心	2016	9	在线阅读下载PDF 职称材料
7	利用粒子群优化估计高光谱数据协方差矩阵	周丽娜黄睿李先华	《计算机工程与应用》 CSCD 北大核心	2010	0	在线阅读下载PDF 职称材料
8	基于粒子群算法和序贯搜索的高光谱波段选择	黄睿何文勇	《数据采集与处理》 CSCD 北大核心	2012	5	在线阅读下载PDF 职称材料
9	图Laplacian半监督特征加权用于高光谱波段选择	黄睿陈玲	《应用科学学报》 EI CAS CSCD 北大核心	2011	3	在线阅读下载PDF 职称材料