改进的LLGC高光谱图像半监督分类

• 作者: 王立国 盛振国
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 半监督分类 局部全局一致性 边缘采样法 KNN算法 高光谱图像 无标鉴样本集
• 年，卷（期）: 2017,（7）
• 页码范围: 1086-1092
• 页数: 7页
• 分类号: TN911.73
• 字数: 6241字
• 语种: 中文
• DOI: 10.11990/jheu.201605023

摘要

针对高光谱数据波段多,地物标签获取代价高,带标记的样本数量少,分类过程中容易引起 Hudges 现象.本文提出一种基于改进的局部全局一致性(learning with local and global consistency,LLGC)算法的半监督分类方法.通过边缘采样法(margin sampling,MS)选取最富含信息量的无标签样本,加入到训练集来扩充训练样本;用KNN算法计算相似度进一步优选无标签样本,去除噪声点和存在的野值点;使用改进的局部全局一致性算法对无标签样本集进行分类标记,得到各类别的分类结果.实验结果表明,本文方法在充分利用无标签样本的情况下,有效地提高了带有少量标签样本的高光谱图像的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王立国	哈尔滨工程大学信息与通信工程学院	116	829	15.0	23.0
2	盛振国	哈尔滨工程大学信息与通信工程学院	5	57	3.0	5.0