《表5 Pavia University数据集的总体精度和平均精度、Kappa系数》

  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

《面向高光谱图像的高斯-稀疏子空间聚类算法》

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

紧接着，将我们的算法应用在Pavia University影像上。我们的算法PGKC与5种算法聚类的Pavia University影像的视觉效果图可以从图3看到。我们可以清晰地从表4看到，本文PGKC算法在SelfBlocking Bricks上的制图精度（PA）是最高的，在Shadows的用户精度达到100%。最后，从表5看到，我们提出的算法总的聚类精度OA和Kappa系数是最高的，分别为62.30%、0.510 6，而算法K-means、CE和SSC的OA是最低的，分别为48.60%和51.15%、51.24%。我们提出的算法是提高了在算法SSC和CE的精度，这是由于SSC算法只考虑了HSI像素的光谱信息却没有考虑到它们的空间信息，而CE算法虽然光谱信息与空间信息都考虑到了，但是CE算法包含的空间信息较弱。