研究目的
通过提出一种利用光谱与空间信息间差异性的样本选择方法来扩展训练集,从而应对高光谱数据分类中训练样本有限的挑战。
研究成果
所提出的样本选择方法通过利用支持向量机(SVM)与马尔可夫随机场(MRF)分类器之间的差异性以及空间邻域投票机制,充分挖掘光谱与空间信息间的多样性,能够可靠地扩展训练集、改进类别模型并提升高光谱数据分类的准确性。
研究目的
通过提出一种利用光谱与空间信息间差异性的样本选择方法来扩展训练集,从而应对高光谱数据分类中训练样本有限的挑战。
研究成果
所提出的样本选择方法通过利用支持向量机(SVM)与马尔可夫随机场(MRF)分类器之间的差异性以及空间邻域投票机制,充分挖掘光谱与空间信息间的多样性,能够可靠地扩展训练集、改进类别模型并提升高光谱数据分类的准确性。
加载中....
您正在对论文“基于空间-光谱不一致性的样本选择方法及其在高光谱数据分类中的应用”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期