高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于非负稀疏图的高光谱数据降维

高阳 王雪松 程玉虎

高阳, 王雪松, 程玉虎. 基于非负稀疏图的高光谱数据降维[J]. 电子与信息学报, 2013, 35(5): 1177-1184. doi: 10.3724/SP.J.1146.2012.01082
引用本文: 高阳, 王雪松, 程玉虎. 基于非负稀疏图的高光谱数据降维[J]. 电子与信息学报, 2013, 35(5): 1177-1184. doi: 10.3724/SP.J.1146.2012.01082
Gao Yang, Wang Xue-Song, Cheng Yu-Hu. Dimensionality Reduction of Hyperspectral Data Using Non-negative Sparsity Graph[J]. Journal of Electronics and Information Technology, 2013, 35(5): 1177-1184. doi: 10.3724/SP.J.1146.2012.01082
Citation: Gao Yang, Wang Xue-Song, Cheng Yu-Hu. Dimensionality Reduction of Hyperspectral Data Using Non-negative Sparsity Graph[J]. Journal of Electronics and Information Technology, 2013, 35(5): 1177-1184. doi: 10.3724/SP.J.1146.2012.01082

基于非负稀疏图的高光谱数据降维

doi: 10.3724/SP.J.1146.2012.01082
基金项目: 

国家自然科学基金(60974050, 61072094, 61273143),教育部新世纪优秀人才支持计划(NCET-08-0836, NCET-10-0765)和教育部博士点基金(20110095110016, 20120095110025)资助课题

Dimensionality Reduction of Hyperspectral Data Using Non-negative Sparsity Graph

  • 摘要: 为减少因大量的光谱信息带来的计算复杂及数据冗余带来的高光谱数据分类性能降低,该文提出一种非负稀疏图降维算法。首先,构建超完备块字典对高维高光谱数据进行非负稀疏表示。然后,根据块非负稀疏表示,分别构建内部非负稀疏图和惩罚非负稀疏图,基于单调递减函数定义边的权重以体现样本间的相似程度。最后,通过同时最大化异类和最小化同类非负稀疏重构样本间的距离,得到从高维到低维的最优映射关系,从而实现对高维高光谱数据的降维。AVIRIS 92AV3C高光谱数据上的实验结果表明,所提算法能以较少的训练样本获得较高的整体分类精度和Kappa系数。
  • 加载中
计量
  • 文章访问数:  2426
  • HTML全文浏览量:  60
  • PDF下载量:  902
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-08-24
  • 修回日期:  2013-01-10
  • 刊出日期:  2013-05-19

目录

    /

    返回文章
    返回

    官方微信,欢迎关注