免费论文摘要：高光谱图像降维与分门别类算法接洽

高光谱遥感本领是连年来兴盛起来的多维消息获得本领，它不妨同声探测目的的二维好多空间与一维光谱消息，进而获得辨别率高达数目级的贯串、窄波段的图像数据。高光谱图像涵盖充分的地物空间光谱消息，暂时已变成特殊要害的空间消息根源，在军事、地质勘测、水质量监督测、农业微量元素领会等诸多范围表演要害脚色。然而，高光谱图像数据量大、波段稠密，数据维数较高，惯例的图像处置本领很难到达理念的功效，使得在本质运用进程中减少了高光谱图像处置的难度，控制了该本领的兴盛。所以，降维本领和分门别类本领变成高光谱图像处置的接洽热门，国表里很多大师鸿儒都对此举行了普遍的接洽。正文辨别从降维本领和分门别类本领两上面举行算法矫正，功效如次：在降维本领上面，正文提出运用鉴于临近和密度本领矫正的Kmenas算法，该算法制止了Kmeans算法对初值敏锐的缺陷，使得算法本能越发宁静，同声充溢商量了样品地物散布的情景，以此建立的权重矩阵越发透彻的反应了各别类型地物对图像的奉献。将其引入到仿射变幻模子之中，建立鉴于隔壁和密度矫正的加权仿射变幻算法。过程试验考证，与同类算法比拟，矫正后的算法不只对原始消息生存量更大，并且处置后的数据信噪比更高，算法本能更优。在分门别类本领上面，正文运用ReliefF算法建立权重矩阵，同声运用SVDD算法引入球状临近域的观念，将样品点会合在球状域中，制止了在算法运用进程中的消息耗费，同声贯串核因变量的崇高个性从新设置样品点之间的隔绝以包办欧式隔绝，制止了空间消息对隔绝的感化，鉴于之上商量对朦胧C均值算法举行矫正，提出鉴于ReliefF-SVDD算法矫正的加权FCM变幻算法。过程试验考证，与同类算法比拟，正文提出的算法分门别类精度更高，分门别类本能更优。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/284423.html