《表2 不同算法对于仿真数据的解混评估结果》

  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

《重加权稀疏非负矩阵分解的高光谱解混》

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

用标准NMF、MVCNMF、L2SNMF、L1/2NMF以及文中算法，对加入噪声后的仿真数据图像进行解混，解混结果见表2，最好结果加粗表示。从该表可以看出：ARSNMF算法的RMSE和SAD值都是最小的，这说明在这五种算法中，ARSNMF算法不论是对端元还是丰度的解混结果相对来说都是最好的，其次便是L2SNMF和MVCNMF算法，不加约束的NMF算法解混效果最差。