一种基于线性邻域传播的加权K近邻算法

• 作者: 刘福江 王小攀 马丽
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 半监督学习 高光谱遥感 分类 线性邻域传播 加权K近邻 流形学习
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 图形图像处理
• 页码范围: 288-292
• 页数: 5页
• 分类号: TP301.6
• 字数: 5207字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.07.064

摘要

为提高高光谱遥感影像在训练样本不足时的分类精度，提出一种基于线性邻域传播的改进加权K近邻算法。采用线性邻域传播(LNP)算法获取无标签数据属于各类别的概率，将其作为类别信息，以增加训练样本数量，提高K近邻算法的分类效果，并降低错误分类带来的风险。实验结果表明，对于高光谱遥感影像，该算法具有较好的分类效果，优于传统的KNN算法、距离加权KNN算法以及LNP等半监督分类算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘福江	中国地质大学武汉信息工程学院	24	150	7.0	11.0
2	王小攀	中国地质大学武汉信息工程学院	2	4	1.0	2.0
3	马丽	中国地质大学武汉机械与电子信息工程学院	9	49	3.0	7.0