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:
非监督波段选择方法是高光谱图像降维的主要方法,但现有方法应用到实际高光谱图像分类时,分类精度并不理想.本文提出一种改进的基于聚类的高光谱图像非监督波段选择方法,主要通过对传统的K-means聚类算法进行两方面改进:一方面是相似性度量函数;另一方面是聚类中心的选取.然后,通过实验数据用支持向量机法(SVM)对所提算法及现有的三种非监督波段选择方法进行分类.最后,用总体精度(OA)和Kappa系数评价分类结果.表明本文所提方法在分类精度方面优于其他现有方法.
推荐文章
一种改进的高光谱图像最小噪声波段选择方法
最小噪声波段选择
光谱形状相似性
关键波段
聚类有效性指标
基于DS聚类的高光谱图像集成分类算法
优势集
聚类
集成
支持向量机
高光谱图像分类
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
基于波段分组的高光谱图像无损压缩
高光谱图像
无损压缩
波段分组
波段排序
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 基于聚类的高光谱图像非监督波段选择方法
来源期刊 北京测绘 学科 地球科学
关键词 高光谱图像 非监督波段选择法 相对熵 (K-means)聚类
年,卷(期) 2018,(1) 所属期刊栏目 学术研讨
研究方向 页码范围 1-4
页数 4页 分类号 P237
字数 3069字 语种 中文
DOI 10.19580/j.cnki.1007-3000.2018.01.001
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 官云兰 57 756 13.0 26.0
2 张悦 3 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (55)
参考文献  (13)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (0)
1951(2)
  • 参考文献(1)
  • 二级参考文献(1)
1967(2)
  • 参考文献(0)
  • 二级参考文献(2)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(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)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
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
高光谱图像
非监督波段选择法
相对熵
(K-means)聚类
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
北京测绘
月刊
1007-3000
11-3537/P
大16开
北京市海淀区羊坊店路15号
1987
chi
出版文献量(篇)
3644
总下载数(次)
21
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导