您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 高光谱图像压缩技术研究

  2. 高光谱论文\高光谱影像分类若干关键技术的研究
  3. 所属分类:专业指导

    • 发布日期:2010-02-10
    • 文件大小:10485760
    • 提供者:l01011
  1. 【期刊】基于径向基函数神经网络的高光谱遥感图像分类

  2. 从径向基函数神经网络的理论出发, 针对高光谱数据的特点, 设计了有效的特征提取模型, 再与径向基函数神经网络的输入层连接, 建立了一个新的径向基函数神经网络的高光谱遥感影像分类模型, 并用国产OMISII 传感器获得的64 波段数据进行试验。首先进行了最小噪声分离变换, 提取了1~20 个分量的数据, 使用提取后的数据(20 维) 、提取后数据的纹理变换(20 维) 和主成分分析的前(20 维) , 组成了60 维向量数据进行分类处理, 这种分类器结构简单、容易训练、收敛速度快, 其分类精度达
  3. 所属分类:网络基础

    • 发布日期:2010-11-09
    • 文件大小:666624
    • 提供者:timeme
  1. 高光谱图像分类

  2. 高光谱分类方法,用于多核实现空间-光谱特征的分类方法。
  3. 所属分类:教育

    • 发布日期:2011-09-17
    • 文件大小:1048576
    • 提供者:dingdsxxl
  1. 高光谱分类及应用(图书)

  2. 详细介绍了高光谱的分类及应用方向。如植被植被监测、探矿、水体遥测等
  3. 所属分类:专业指导

    • 发布日期:2013-01-21
    • 文件大小:11534336
    • 提供者:sunyingbo2008
  1. 高光谱分类开题答辩PPT

  2. 高光谱分类技术 开题报告的答辩PPT 自己制作 方便快捷
  3. 所属分类:电信

    • 发布日期:2014-04-14
    • 文件大小:2097152
    • 提供者:u014700544
  1. 高光谱图像分割

  2. 机器学习的大作业,对高光谱数据进行分类,使用了决策树,高斯判别分析,KNN,径向基神经网络等四种方法。编程语言为MATLAB,包括完整的数据和代码。
  3. 所属分类:讲义

    • 发布日期:2014-11-17
    • 文件大小:5242880
    • 提供者:hanwenhui3
  1. 华盛顿广场 高光谱分类 数据集

  2. 华盛顿广场 高光谱分类 数据集 华盛顿广场 高光谱分类 数据集
  3. 所属分类:机器学习

    • 发布日期:2017-11-12
    • 文件大小:91226112
    • 提供者:chuangechuange
  1. matlab cnn高光谱图像分类

  2. matlab实现用cnn高光谱图像分类,
  3. 所属分类:深度学习

    • 发布日期:2017-11-15
    • 文件大小:36700160
    • 提供者:janehiwang
  1. 经典Salinas高光谱数据和地面验证数据

  2. Salinas高光谱数据和地面验证数据,用于高光谱分类研究验证的经典数据
  3. 所属分类:其它

    • 发布日期:2018-01-18
    • 文件大小:53477376
    • 提供者:qq_30545381
  1. 高光谱遥感在植被分类中的研究

  2. 高光谱遥感的出现是遥感界的一场革命,它能大大地改善对植被类型的识别与分类精度,而寻求快速、高精度的植被高光谱分类方法更具有重要的现实意义。文中将结合具体的高光谱遥感数据,通过在研究区域内选取一定的植被类型和合适的训练样本,得出哪种分类效果较佳以及影响分类精度的因素。
  3. 所属分类:其它

    • 发布日期:2020-07-12
    • 文件大小:842752
    • 提供者:weixin_38724154
  1. 高光谱分类深度学习DeepHyperX-master.zip

  2. 此内容包含高光谱遥感领域内 深度学习众多代码,包括1DCNN,2DCNN,3DCNN,等等各种神经网络模型代码,可以运行。欢迎大家相互学习!!!
  3. 所属分类:深度学习

    • 发布日期:2020-10-28
    • 文件大小:32768
    • 提供者:qq_40178533
  1. 小样本集的高光谱图像非线性回归分类算法

  2. 提出了一种基于列生成核技术的高光谱图像非线性回归分类方法。 在联合协作模型框架中利用了协作表示回归的非线性扩展。 该算法在两个高光谱图像上进行了测试。 实验结果表明,所提出的非线性算法表现出优于其他基于线性回归的算法和经典的高光谱分类器SVM的性能。
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:357376
    • 提供者:weixin_38609765
  1. 非局部联合协作表示与局部自适应字典的高光谱图像分类

  2. 稀疏表示已广泛用于图像分类中。 但是,众所周知,基于稀疏性的算法很耗时。 同时,最近的工作表明,决定算法性能的是协作表示(CR)而非稀疏性约束。 因此,我们提出了一种具有局部自适应字典(NJCRC-LAD)的非局部联合CR分类方法,用于高光谱图像(HSI)分类。 本文着重研究CR的工作机制,并建立联合协作模型(JCM)。 联合信号矩阵由测试像素的非局部像素构成。 利用一个子词典,它适合于非局部信号矩阵而不是整个字典。 在三个HSI上测试了所提出的NJCRC-LAD方法,实验结果表明,所提出的算法
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:2097152
    • 提供者:weixin_38677808
  1. 无需手动删除频段即可进行高光谱图像分类的无监督频段选择

  2. 高光谱影像中的丰富信息为材料分类和识别提供了重要机会。 由于高数量的光谱通道以及少量标记的训练样本带来的“维数诅咒”(称为休斯现象)问题,降维是高光谱数据的必要预处理步骤。 通常,为了提高分类精度,通常预先手动地去除由各种源(主要是传感器和大气)产生的噪声带。 但是,删除这些频段可能会丢弃一些重要的区分性信息,从而最终降低分类精度。 在本文中,我们提出了一种无需手动删除频段即可自动选择频段的新策略。 首先,应用小波收缩对整个数据立方体的空间图像进行消噪。 然后,使用亲和力传播(这是最近提出的一种
  3. 所属分类:其它

    • 发布日期:2021-03-10
    • 文件大小:917504
    • 提供者:weixin_38706824
  1. 指导模板的数据增强和细化,用于高光谱图像的监督分类

  2. 带标签的训练样本的有限且昂贵的可用性导致以基于数据增强的监督学习的形式定义高光谱分类任务的方法的发展。 但是,大多数方法只是隐式地利用各向同性邻域中的频谱空间信息,而不是显式指示各向异性或操纵邻域系统。 在本文中,我们应用导向模板来估计局部方向的同质区域,并利用更有价值的光谱空间环境。 通过使用最佳的导向模板匹配方法,我们提出了一种数据扩充和精炼方法,以改善带有有限标记样本的任何光谱空间分类器的性能。 实验表明,该方法对许多光谱空间分类器都非常有效。
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:655360
    • 提供者:weixin_38724229
  1. 通过深层网络和超像素分割进行高光谱分类

  2. 通过深层网络和超像素分割进行高光谱分类
  3. 所属分类:其它

    • 发布日期:2021-03-04
    • 文件大小:1048576
    • 提供者:weixin_38596267
  1. 使用局部二进制模式和马尔可夫随机场的空间光谱高光谱分类

  2. 使用局部二进制模式和马尔可夫随机场的空间光谱高光谱分类
  3. 所属分类:其它

    • 发布日期:2021-03-02
    • 文件大小:3145728
    • 提供者:weixin_38603875
  1. 基于目标约束与谱空迭代的高光谱图像分类方法

  2. 针对复杂背景像元影响高光谱分类精度的问题,将目标检测方法引入地物分类研究,提出了一种基于谱空特征迭代的高光谱图像分类方法,该方法通过将约束能量最小化设计了一种多目标约束的类别分类器(MTCC)。该分类器利用检测原理提取多类目标地物,有效地降低了复杂背景数据对分类精度的影响;同时为了解决光谱特征带来的过分类问题,方法中利用反馈式谱空融合方式强化空间增强信息在分类中的作用,以逐步提高分类精度。利用Purdue、Salinas和Pavia数据集进行实验,结果表明,所提方法的平均分类精度分别为98.09
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:14680064
    • 提供者:weixin_38643269
  1. 基于稀疏表示模型和自回归模型的高光谱分类

  2. 针对高光谱分类中对光谱信息和空间信息利用不足的问题,提出了一种基于稀疏表示模型和自回归模型相结合的分类算法。该算法利用稀疏表示模型和自回归模型,设计联合字典:在光谱维上,利用稀疏表示模型将高光谱的每个光谱向量表示为字典中训练样本的稀疏线性组合;在空间维上,利用自回归模型对每个光谱向量的8邻域进行约束。针对不同样本分别构造一个字典,在减少计算量的同时减小重构误差,最后在最小重构误差和邻域相关性的约束下求解稀疏表示问题,以最小重构误差为准则实现高光谱数据的分类。仿真结果表明,该方法能够有效地提高高光
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:3145728
    • 提供者:weixin_38655011
  1. 鄱阳湖5种典型植被高光谱特征波段选择与光谱分类识别

  2. 光谱特征波段的选取是植被高光谱分类识别的重要基础之一。利用鄱阳湖5种典型植被的实测高光谱数据, 在对数据进行预处理和分析的基础上, 提出了一种基于均值极差阈值法的光谱特征波段选择方法, 并利用马式距离-光谱角法对不同植被种类进行识别。结果表明:所提方法有效提取了植被间的光谱特征波段, 分别为1111~1132 nm、1466~1522 nm和1577~1750 nm, 三个波段全部位于红外区域; 在光谱特征波段范围内, 利用马氏距离-光谱角法可对不同植被类型进行有效识别, 其中南荻的光谱分类精度
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:1048576
    • 提供者:weixin_38617604
« 12 3 4 5 6 7 8 9 10 ... 18 »