《表1 各算法参数具体设置》

  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

《加权融合核稀疏和协同表示的高光谱影像分类》

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

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。