《表1 各算法在Indian Pines高光谱图像上的分类对比》

  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

《改进高斯过程回归的高光谱空谱联合分类算法》

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

为了验证本文算法的有效性，将原高斯过程回归-OAA方法（GPR-OAA）、高斯过程回归-OAO方法（GPR-OAO）、本文改进算法-OAA方法（AS2IGPR-OAA）、本文改进算法-OAO方法（AS2IGPR-OAO）以及文献[20]、文献[21]进行高光谱分类。高斯回归过程采用含噪模式，其中包含三个未知参数φ=[δf，h，σ]利用式（15）极大似然法求得。文献[21]中的SVM分类器也使用高斯径向基核函数，其参数经五折交叉验证获得。两幅高光谱图像中，在每个类别中选100个样本组成训练集，其余为测试集。表1为各算法在Indian Pines高光谱图像上分类对比结果。