基于非负稀疏图的高光谱数据降维

被引：7

作者：

高阳

王雪松

程玉虎

机构：

[1] 中国矿业大学信息与电气工程学院

来源：

电子与信息学报 | 2013年 / 35卷 / 05期

关键词：

高光谱; 降维; 非负稀疏图; 整体分类精度; Kappa系数;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

为减少因大量的光谱信息带来的计算复杂及数据冗余带来的高光谱数据分类性能降低,该文提出一种非负稀疏图降维算法。首先,构建超完备块字典对高维高光谱数据进行非负稀疏表示。然后,根据块非负稀疏表示,分别构建内部非负稀疏图和惩罚非负稀疏图,基于单调递减函数定义边的权重以体现样本间的相似程度。最后,通过同时最大化异类和最小化同类非负稀疏重构样本间的距离,得到从高维到低维的最优映射关系,从而实现对高维高光谱数据的降维。AVIRIS 92AV3C高光谱数据上的实验结果表明,所提算法能以较少的训练样本获得较高的整体分类精度和Kappa系数。

引用

页码：1177 / 1184

页数：8

共 11 条

[1] 一种基于压缩感知的地面运动目标检测方法 [J].

王伟伟 ;

廖桂生 ;

朱圣棋 ;

许京伟 .

电子与信息学报, 2012, 34 (08) :1872-1878

[2] 基于小波核主成分分析的相关向量机高光谱图像分类 [J].

赵春晖 ;

张燚 ;

王玉磊 .

电子与信息学报, 2012, 34 (08) :1905-1910

[3] 基于稀疏表示及光谱信息的高光谱遥感图像分类 [J].

宋相法 ;

焦李成 .

电子与信息学报, 2012, 34 (02) :268-272

[4] 基于独立成分分析的高光谱图像数据降维及压缩 [J].

冯燕 ;

何明一 ;

宋江红 ;

魏江 .

电子与信息学报, 2007, (12) :2871-2875

[5] Discriminant sparse neighborhood preserving embedding for face recognition [J].

Gui, Jie ;

Sun, Zhenan ;

Jia, Wei ;

Hu, Rongxiang ;

Lei, Yingke ;

Ji, Shuiwang .

PATTERN RECOGNITION, 2012, 45 (08) :2884-2893

[6]

Face recognition using discriminant sparsity neighborhood preserving embedding[J] . Gui-Fu Lu,Zhong Jin,Jian Zou.Knowledge-Based Systems . 2012

[7]

Progressive dimensionality reduction by transform for hyperspectral imagery[J] . Chein-I Chang,Haleh Safavi.Pattern Recognition . 2011 (10)

[8]

Sample-dependent graph construction with application to dimensionality reduction[J] . Bo Yang,Songcan Chen.Neurocomputing . 2010 (1)

[9]

Regularization and variable selection via the elastic net[J] . HuiZou,TrevorHastie.Journal of the Royal Statistical Society: Series B (Statistical Methodology) . 2005 (2)

[10]

Two-stagesparse representation for robust recognition on large-scaledatabase .2 He Ran,Hu Bao-gang,Zheng Wei-shi,et al. Proceedings of the National Conference onArtificial Intelligence . 2010

← 1 2 →