《表5 Pavia University数据集在不同标记样本下的总体分类精度(分类精度±标准差)(%)》

《表5 Pavia University数据集在不同标记样本下的总体分类精度(分类精度±标准差)(%)》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于同质区和迁移学习的高光谱图像半监督分类》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

表6为每类只选取5个标记点时,各类地物的分类精度,本文算法的总体分类精度OA、平均精度AA和Kappa系数相比其他3种对比方法均为最高。其中,本文算法对于沥青路、草地、砂砾等地物的分类精度都比其余3种算法高约3%~20%,这是因为这类地物在图像中呈现大片块状均匀分布,非常有利于构建源域和目标域的相关联系,减少两者之间的差异,从而提取出更有判别力的低维特征。图6为各算法的全图分类效果图。红色圆圈内区域,可以看出本文算法的错分点最少,分类效果最好。