-
题名基于稀疏表示和学习图正则的高光谱图像特征提取
被引量：17
- 1
-
-
作者
张明华
罗红玲
宋巍
黄冬梅
贺琪
苏诚
-
机构
上海海洋大学信息学院
上海电力大学
自然资源部东海预报中心
-
出处
《光子学报》
EI
CAS
CSCD
北大核心
2021年第4期241-253,共13页
-
基金
国家自然科学基金(Nos.61972240,41906179)
上海市科委部分地方高校能力建设项目(No.20050501900)。
-
文摘
针对传统局部特征提取算法难以确定邻域参数,以及仅考虑数据间的单一结构而漏掉重要信息的问题,提出一种基于稀疏表示和学习图正则的局部判别与全局稀疏保持投影算法。该算法首先对稀疏表示模型施加基于学习的图正则器,用该改进的稀疏表示模型自适应揭示样本数据间的局部线性结构,通过局部判别模型全局集成算法来提取局部线性结构中的判别信息;利用基于学习图正则稀疏表示模型构建的新型稀疏图来揭示数据间的全局稀疏结构;使得数据的局部判别结构和全局稀疏结构在低维特征空间得以保持。通过1-近邻和支持向量机分类器对实验结果进行评估,在PaviaU和Indian Pines两个高光谱公共数据集上的实验显示,提出的局部判别与全局稀疏保持投影算法较对比算法取得了最好的性能,由于提取了全局和局部的判别信息,有效提升了高光谱图像的地物分类精度。
-
关键词
高光谱图像
特征提取
稀疏表示
局部判别信息
学习图正则
-
Keywords
Hyperspectral image
Feature extraction
Sparse representation
Local discriminant information
Learning graph regularization
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名自适应局部图嵌入加权罚支持向量机
- 2
-
-
作者
廖剑
周绍磊
史贤俊
-
机构
海军航空工程学院控制工程系
中国人民解放军
-
出处
《控制与决策》
EI
CSCD
北大核心
2015年第2期203-214,共12页
-
基金
国家青年科学基金项目(61203168)
-
文摘
针对标准SVM不能有效利用数据流形的局部信息以及对数据中的野值敏感的两点不足,提出一种基于自适应局部图嵌入加权罚SVM.算法在保持SVM优化框架不变的情况下,在目标函数中同时加入了对数据整体类间间隔最大化和数据局部流形分布的要求,优化了分类决策边界,简化了核化过程,同时在软间隔的样本惩罚系数中引入了数据的全局结构信息,增强了算法的鲁棒性.在人工、标准和图像数据集上的实验结果表明,所提出的方法是有效的.
-
关键词
支持向量机
流形学习
局部结构信息
局部判别信息
全局结构
-
Keywords
support vector machine
manifold learning
local structure information
local discriminative information
global structure
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
