《表1 算法复杂度对比：基于空间约简的高光谱影像端元检测研究》
提示：宽带有限、当前游客访问压缩模式
假定高光谱影像中包含的像元数量为N，实验中各算法的迭代次数为k，影像处理维度为p，则各种方法对于端元检测的时间复杂度，如表1所示。
| 图表编号 | XD00112177000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.05 |
| 作者 | 陈楠 |
| 绘制单位 | 山东工程职业技术大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 基于高光谱影像的水稻叶片重金属诊断详情》2018.01.08
- 《表3 基于高光谱影像的水稻叶片重金属诊断详情》2018.01.08
- 《表2 参数设定：基于稀疏表示的高光谱图像解混算法研究》2020.07.25
- 《表1 江苏盐城高分五号高光谱影像变化检测精度》2020.07.05
- 《表2 盐分指数计算公式：基于实测高光谱和Landsat 8 OLI影像的土壤盐化和碱化程度反演研究》2020.06.06
- 《表4 在数据集2上光谱特征和空间特征在高光谱影像植被分类中的性能》2020.03.31
- 《表3 在数据集1上光谱特征和空间特征在高光谱影像植被分类中的性能》2020.03.31
- 《表1 污秽程度评估结果：基于高光谱遥感的复合绝缘子污秽非接触式检测研究》2020.03.10
- 《表3 光谱参数：基于无人机数码影像和高光谱数据的冬小麦产量估算对比》2019.12.01
- 《表2 数码影像指数：基于无人机数码影像和高光谱数据的冬小麦产量估算对比》2019.12.01
- 《表1 事务数据库DB：基于布尔矩阵约简的Apriori算法改进研究》2019.12.01
- 《表2 参数列表：基于布尔矩阵约简的Apriori算法改进研究》2019.12.01
- 《表2 端元检测时间结果：基于空间约简的高光谱影像端元检测研究》2019.11.05
- 《表4 分类精度评价：基于改进的三维卷积神经网络的高光谱遥感影像分类技术研究》2019.06.10
- 《表2 分类精度评价：基于改进的三维卷积神经网络的高光谱遥感影像分类技术研究》2019.06.10
- 《表6 不同算法求约简的时间（单位：s)》2019.07.30
- 《表2 各方法结果对比：基于MLILPP维数约简的轨道交通牵引电机轴承故障诊断》2019.06.01
- 《表4 预测结果：粗糙集属性约简的极限学习机网络入侵检测算法》2019.01.20
- 《表3 各模型时间表：粗糙集属性约简的极限学习机网络入侵检测算法》2019.01.20
- 《表5 预测结果：粗糙集属性约简的极限学习机网络入侵检测算法》2019.01.20