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:
为进一步提高高光谱影像分类精度,通过引入Network In Network网络结构,构建了一种新的网络模型.该网络模型能够对局部感受野内的数据进行更加抽象的建模,从而能够对影像中的空谱联合特征进行更为抽象的表达.通过在Pavia University和Indian Pines两个数据集上进行验证,实验结果表明,所构建的网络模型能够有效提高分类精度,在减少训练样本的条件下仍具有较好的分类性能.
推荐文章
采用双通道时间稠密网络的高光谱影像分类方法
高光谱影像分类
特征提取
双通道
卷积神经网络
基于高光谱影像的树种分类
高光谱
超光谱成像仪(HSI)
树种分类
光谱角填图
线性波谱分离
基于Overlay Network协同选播通信机制的研究
OverlayNetwork
协同选播机制
负载均衡
Petri网
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
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Network In Network网络结构的高光谱影像分类方法
来源期刊 测绘科学技术学报 学科 地球科学
关键词 高光谱影像分类 卷积神经网络 网络中的网络 Mlpconv层 多层感知器
年,卷(期) 2019,(5) 所属期刊栏目 摄影测量与遥感
研究方向 页码范围 500-504,510
页数 6页 分类号 P237|TP751
字数 4349字 语种 中文
DOI 10.3969/j.issn.1673-6338.2019.05.011
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 余旭初 92 837 15.0 26.0
2 张鹏强 37 313 9.0 16.0
3 刘冰 19 29 3.0 5.0
4 高奎亮 2 0 0.0 0.0
5 谭熊 26 151 6.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (6)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(8)
  • 参考文献(1)
  • 二级参考文献(7)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(9)
  • 参考文献(2)
  • 二级参考文献(7)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高光谱影像分类
卷积神经网络
网络中的网络
Mlpconv层
多层感知器
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
测绘科学技术学报
双月刊
1673-6338
41-1385/P
大16开
河南省郑州市陇海中路66号
36-391
1984
chi
出版文献量(篇)
2536
总下载数(次)
9
论文1v1指导