《表5 不同训练样本比例下的全局准确率（Indian Pines)》

  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

《基于分层引导滤波与最近邻正则化子空间的高光谱图像分类》

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

在某些应用场景下，可使用的训练样本非常有限．为探究算法在不同训练样本数下的鲁棒性，在Indian Pines与GRSS＿DFC＿2013数据集上选取样本总数的1%～5%做训练样本，在Salinas数据集上选取样本总数的0.4%～0.8%做训练样本，与前述的方法进行对比实验．每种方法在不同训练样本比例下均进行10次实验，表5～7是OA的均值与标准差．从表5～7可以看出，随着训练样本数的减少，各算法的OA随之下降，其中HGF-NRS在不同数量的训练本数下均取得了更高了OA且具有明显的优势，而对比的方法在不同的数据集上表现各异．由此可知，本文提出的方法有着更好的稳定性与通用性．