基于堆栈式稀疏自编码器的高光谱影像分类

• 作者: 任淯 刘汉湖 戴晓爱 杨晓霞 郭守恒
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 深度神经网 特征提取 高光谱影像分类 堆栈式稀疏自编码器 支持向量机
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 自动化技术
• 页码范围: 382-386
• 页数: 5页
• 分类号: TP751.1
• 字数: 2774字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2016.02.012

摘要

为挖掘高光谱影像数据的内在光谱特征，该文基于深度学习理论，引用堆栈式稀疏自编码器构建原始数据的深层特征表达。首先通过稀疏自编码器，得到原始数据的稀疏特征表达。其次通过逐层学习稀疏自编码器构建深度神经网，输出原始数据的深度特征。最后将其连接到支持向量机分类器，完成模型的精调。实验结果分析表明：基于堆栈式稀疏自编码器的最优分类模型，总体精度可达87.82%，优于实验中的其他方法，证明了深度学习方法在高光谱影像处理中具有良好的分类性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘汉湖	成都理工大学地学空间信息技术国土资源部重点实验室	56	302	9.0	15.0
2	戴晓爱	成都理工大学地学空间信息技术国土资源部重点实验室	35	225	8.0	14.0
3	杨晓霞	成都理工大学地学空间信息技术国土资源部重点实验室	9	49	3.0	6.0
4	任淯	成都理工大学地学空间信息技术国土资源部重点实验室	2	33	1.0	2.0
5	郭守恒	成都理工大学地学空间信息技术国土资源部重点实验室	1	33	1.0	1.0