《表2 Pavia数据集上各方法分类精度评价指标对比（黑体表示最优）》

  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

《基于聚类降维和视觉注意机制的高光谱影像分类》

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

为验证本研究方法的有效性，选择PCA降维（前20个主成分[7]）和EAP空谱特征[9]与本文方法作对比，选择经典的基于高斯核函数的支持向量机（SVM）分类器，随机选择5%的带标签样本作为训练集，剩余的95%样本作为测试集，开展20次相互独立的分类和精度评价实验。采用Kappa系数、总体分类精度（OA）和平均分类精度（AA）这3个精度评价指标和分类耗时对分类实验进行性能评价，并取20次实验结果的平均值，结果分别如表1和表2所示。