《表1 不同方法在Indian Pines和KSC上分类精度》
本文提出了一种新的基于特征重要性的高光谱分类模型(FI-3D CNN)。该模型主要分为两个部分:基于特征重要性的波段选择和三维卷积神经网络分类模型。利用特征重要性进行波段选择的优点在于它在最大限度地保持数据原始性的同时又降低了数据的维度,减少了数据的冗余。而作为分类器的3D卷积神经网络模型其特有的细粒度特征提取方式,使得它对图像的处理达到了几近人力的水平。实验结果表明,本文提出的特征选择方法结合3D CNN后取得了比较好的分类结果,而且该方法也能够有效地提高经典模型(SVM、CNN等)的分类精度。特征重要性的评估会直接影响到后面的分类结果,因此如何最大程度地确保评估方法准确性将是以后工作的重点。
图表编号 | XD00195131900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 张因国、陶于祥、罗小波、刘明皓 |
绘制单位 | 重庆邮电大学计算机科学与技术学院、重庆邮电大学计算机科学与技术学院、重庆市气象科学研究所、重庆邮电大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |