《表4 不同算法在Salinas数据集的分类结果(%)》
为了定量比较不同分类算法的性能,表3和表4分别给出了不同分类算法在两组高光谱影像数据上的分类精度。由表3和表4中的试验结果可知,1D-CNN和RNN方法的分类精度大体相当,且优于FCNN;而由于缺少足够的标记样本,1D-CNN、RNN和FCNN的分类精度均低于SVM,这也说明SVM能够较好地适应小样本分类;而本文提出的GAN通过生成器G和判别器D拟合不同地物的光谱特征分布辅助训练分类器C,使得分类器C得到更加充分的训练,因此,能够有效提高分类精度(GAN分类精度较FCNN有较大的提高),且明显优于SVM的分类精度,这说明了本文方法的有效性。
图表编号 | XD00129598900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 张鹏强、刘冰、余旭初、谭熊、杨帆、周增华 |
绘制单位 | 信息工程大学、信息工程大学、信息工程大学、信息工程大学、信息工程大学、31009部队 |
更多格式 | 高清、无水印(增值服务) |