-
题名基于ISOMAP的高光谱遥感数据的降维与分类
被引量：12
- 1
-
-
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]
-
-
题名基于监督等距映射高光谱遥感影像降维
被引量：1
- 2
-
-
作者
钱进
邓喀中
范洪冬
刘冬
-
机构
江苏省资源环境信息工程重点实验室
中国矿业大学国土环境与灾害监测国家测绘局重点实验室
-
出处
《计算机应用与软件》
CSCD
北大核心
2012年第8期66-69,共4页
-
基金
国家自然科学基金项目(41071273)
高等学校博士学科点专项科研基金资助课题(20090095110002)
+2 种基金
中央高校基本科研业务费专项资金项目(2010QNA21)
国土环境与灾害监测国家测绘局重点实验室开放基金资助项目(LEDM2011B07)
江苏高校优势学科建设工程资助项目(SA1102)
-
文摘
在面向分类的高光谱遥感数据降维过程中,考虑到高光谱遥感数据内在的非线性结构和传统流形学习非监督的特点,提出一种新的监督等距映射方法(S-Isomap)。方法基于类间距离大于类内距离的思想,首先利用KMEANS算法对原始数据进行聚类得到样本的初始类别标签,采用新距离搜寻数据点的K近邻,进而实施等距映射降维。实验证明了该方法优于传统Isomap。
-
关键词
高光谱遥感
特征提取
kmeans
监督等距映射
-
Keywords
hyperspectral remote sensing feature extraction kmeans supervised isometric mapping
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
