《表5 在Pavia University Scene数据集上DV-CNN与其他方法的分类结果》
注:加粗字体表示最优结果。
本实验选择了一些用于小样本高光谱图像分类的最新方法与DV-CNN进行比较,这些方法都得到了研究者们的广泛认可。在表4和表5中列出了支持向量机(SVM)[21]、正交匹配追踪(OMP)[22]、最近邻正则化子空间分类器(NRS)[23]、CRT(collaborative representation with Tikhonov regularization)[24]、KCRT(kernel CRT)[24]和DKCRT(Discriminative KCRT)[25]的分类结果,包括了每类地物的分类精度和图像的总体精度、平均精度和κ系数,并在Indian Pines数据集和Pavia University Scene数据集上与DV-CNN进行了比较。对两组数据集进行了相同的实验,并采用了相同的比较方法,根据实验结果评价本文方法的优缺点。每个实验在不同的训练集中重复10次,并对结果进行平均,以消除随机因素对结果的影响。
图表编号 | XD0098409000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.16 |
作者 | 刘万军、尹岫、曲海成、刘腊梅 |
绘制单位 | 辽宁工程技术大学软件学院、辽宁工程技术大学软件学院、辽宁工程技术大学软件学院、辽宁工程技术大学软件学院 |
更多格式 | 高清、无水印(增值服务) |