《表1 各算法参数具体设置》
仿真实验设计时各参数的设置:对Indian Pines影像进行分类时,从每类样本中随机抽取10%作为训练样本,剩余的90%作为测试样本。其中SRC算法稀疏度设置为K=5,KSRC算法稀疏度K=60。对Pavia University影像进行分类时,每类随机抽取100个样本作为训练样本,剩余样本作为测试样本。其中SRC算法稀疏度设置为K=5,KSRC算法稀疏度K=30。各分类算法正则化参数均设置为λ=10-3。本文WSCRC、WKSCRC算法的分类性能主要受核函数参数γ和融合权重参数θ的影响。图2中的曲线反映了在不同核函数参数γ下各核变换分类算法OA的变化情况。图3中的曲线反映了在不同加权权重参数θ下WSCRC、WKSCRC算法OA的变化情况。为得到各分类算法的最佳性能,在实验结果对比中均选取各算法的最优参数进行分析。各分类算法具体的参数设置见表1,其中参数P=log2γ。
图表编号 | XD0040531200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.16 |
作者 | 侯良国、向泽君、楚恒 |
绘制单位 | 重庆邮电大学通信与信息学院、重庆市勘测院、重庆邮电大学通信与信息学院、西南大学地理科学学院 |
更多格式 | 高清、无水印(增值服务) |