作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高高光谱图像分类的分类精度,考虑在已知分类器SVM-KNN的基础上,结合经验模态分解,提出了一种EMD-SVM-KNN的新的分类方法,并将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,而且可减少支持向量数目,以提高高光谱图像分类速度.
推荐文章
SVM-KNN分类算法研究
支持向量机
K近邻
样本相似性
基于高光谱图像的分类方法研究
高光谱图像
支持向量机
人工神经元网络
决策树分类
最大似然分类法
K -均值聚类法
迭代自组织方法
基于联合协同表示与SVM决策融合的高光谱图像分类研究
协同表示
高光谱图像分类
决策融合
支持向量机
结合经验模态分解和Gabor滤波的高光谱图像分类
高光谱图像
图像分类
空间信息
经验模态分解
Gabor滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于经验模态分解的SVM-KNN高光谱图像分类方法
来源期刊 微型电脑应用 学科 工学
关键词 EMD SVM-KNN 高光谱图像 分类
年,卷(期) 2016,(12) 所属期刊栏目 开发应用
研究方向 页码范围 60-63
页数 4页 分类号 TP751
字数 3435字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 左航 河海大学计算机与信息学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (119)
参考文献  (5)
节点文献
引证文献  (4)
同被引文献  (3)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
EMD
SVM-KNN
高光谱图像
分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导