基于深度极限学习机的高光谱遥感影像分类研究

• 作者: 吕飞 韩敏
• 来源期刊: 大连理工大学学报
• 学科: 工学
• 关键词: 高光谱遥感影像 深度学习 极限学习机 遥感影像分类
• 年，卷（期）: 2018,（2）
• 页码范围: 166-173
• 页数: 8页
• 分类号: TP751.1
• 字数: 5277字
• 语种: 中文
• DOI: 10.7511/dllgxb201802009

摘要

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱遥感数据的地面物体精确分类是高光谱遥感技术的核心应用之一.针对高光谱遥感影像的分类问题,提出一种基于深度极限学习机(D-ELM)的分类方法.该方法利用一种新的深度学习模型——深度极限学习机对高光谱遥感影像进行分类,并与基于极限学习机(ELM)、支持向量机(SVM)、核极限学习机(ELMK)分类方法进行了比较分析.研究结果表明:相对于 ELM、SVM、ELMK 分类方法,D-ELM分类方法能够更加准确地挖掘高光谱遥感影像的空间分布规律,提高分类的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩敏	大连理工大学电子信息与电气工程学部	200	2311	23.0	33.0
2	吕飞	大连理工大学电子信息与电气工程学部	2	29	2.0	2.0