《表4 University of Pavia数据分类中不同分类算法的比较》
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
《基于空谱特征的核极端学习机高光谱遥感图像分类算法》
通过表3和表4的对比实验结果以及图4和图5的类内分类准确率对照图可以看出,SS-KELM算法的分类性能优于其他分类算法,其原因在于SS-KELM算法在进行特征提取时,同时考虑高光谱遥感图像的光谱和空间特征,光谱特征包含用于区分不同类型的地面类别的重要信息,空间特征考虑了邻域像素之间的空间关系。本文利用局部二值模式(LBP)提取空间特征既减少了类内方差,又可以改善分类性能,同时使用矢量堆叠的方法将两种信息融合,使得特征向量包含更多信息,再将其引入到核极限学习机模型中,可以有效地提高高光谱遥感图像的分类精度,弥补核极限学习机在高光谱遥感图像分类中学习不充分、空间信息利用不充分等问题。
图表编号 | XD00190030500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.25 |
作者 | 宋雯琦、闫德勤、刘德山、王军浩 |
绘制单位 | 辽宁师范大学数学学院、辽宁师范大学数学学院、辽宁师范大学数学学院、辽宁师范大学数学学院 |
更多格式 | 高清、无水印(增值服务) |