高光谱遥感数据降维与分类
内页干净 无写划，书册有点墨迹 瑕疵
￥ 100 九品
仅1件
湖北武汉
认证卖家担保交易快速发货售后保障
作者姜鑫维、李程俊、刘然 著
出版社中国地质大学出版社
ISBN9787562539643
出版时间2016-12
版次1
印刷时间2016-12
印次1
装帧平装
开本16开
纸张胶版纸
页数105页
货号二楼二
上书时间2024-08-29
- 在售商品 暂无
- 平均发货时间 12小时
- 好评率 暂无
- 店主推荐
- 最新上架
商品详情
- 品相描述：九品
- 商品描述
-
内容简介:
《高光谱遥感数据降维与分类》不仅考虑对光谱特征进行降维，更进一步考虑对空间特征进行降维。
《高光谱遥感数据降维与分类》主要的内容包括：综述了高光谱遥感图像分类的流程，对每个流程的具体内容和其中的典型模型进行简述和回顾。综述了一些常见的高维数据降维算法，并从线性降维和非线性降维、有监督降维和无监督降维的角度对典型的降维算法进行了简述和回顾。分别基于高光谱数据的谱间相关性和空间相关性对地物进行分类，将典型的线性和非线性降维算法应用于高光谱图像分类，并对这些常用的降维算法在高光谱图像分类问题上进行了分析和对比。实验部分选取3个高光谱图像样本集，采用两种降维方式，即直接将所有数据降维、采用样本外点的计算和估计函数的降维，选择了13个降维算法，分类算法选择的是k最近邻算法，主要以总体分类精度为评价标准，完成参数k与总体分类精度的对比曲线图和维度与总体分类精度的对比曲线图，统计每个降维算法对测试样本进行降维、分类所需的时间，绘制测试样本的真实地物分割图，对比降维算法的效果，得出13个降维算法的特点。介绍近期提出的两个新的有监督降维算法，并应用于高光谱遥感图像分类任务中，在7个高光谱遥感图像分类数据集上的实验显示，这两个新提出的降维模型非常适宜于高光谱遥感图像降维任务，在实验中显示出了的性能。最后对内容进行总结，进一步展望今后的研究计划。
目录:
1 绪论
1．1 高光谱遥感技术简介
1．1．1 遥感技术
1．1．2 遥感数字图像处理
1．1．3 高光谱遥感的发展
1．1．4 高光谱遥感图像数据的特点
1．2 高光谱数据降维发展综述
1．3 高光谱数据分类发展综述
1．4 研究内容
1．5 框架安排
2 高光谱图像分类
2．1 高光谱图像分类的流程
2．1．1 数据预处理
2．1．2 标记训练样本
2．1．3 特征提取与特征选择（降维）
2．1．4 分类识别
2．1．5 精度评价
2．2 高光谱遥感图像分类方法
2．2．1 无监督分类方法
2．2．2 有监督分类方法
2．2．3 适合于高光谱图像分类的算法
3 高维数据降维技术
3．1 无监督降维技术
3．1．1 基于谱方法的无监督降维方法
3．1．2 基于隐变量模型的无监督降维方法
3．2 有监督降维技术
3．2．1 基于谱方法的有监督降维方法
3．2．2 基于隐变量模型的有监督降维方法
4 基于降维的高光谱图像分类
4．1 面向高光谱数据的降维模型
4．1．1 基于光谱特征的降维模型
4．1．2 基于空间特征的降维模型
4．1．3 两种降维策略
4．2 实验设计
4．2．1 实验设计
4．2．2 数据集介绍
4．3 实验结果与分析
4．3．1 基于光谱特征的降维与分类
4．3．2 基于光谱特征的降维与分类实验结果分析
4．3．3 基于空间特征的降维与分类
4．3．4 基于空间特征的降维与分类实验结果分析
5 基于有监督降维算法的高光谱图像分类
5．1 有监督隐线性高斯过程隐变量降维模型
5．1．1 模型表示
5．1．2 算法推导
5．1．3 算法分析
5．1．4 算法可视化验证
5．2 面向有监督降维的非参数指导的自编码机模型
5．2．1 模型表示
5．2．2 算法推导
5．2．3 算法分析
5．2．4 算法可视化验证
5．3 基于有监督降维模型的高光谱遥感图像分类
5．3．1 实验设计
5．3．2 数据集介绍
5．3．3 基于光谱特征的降维与分类
6 总结与展望
6．1 总结
6．2 展望
主要参考文献
致谢
— 没有更多了 —
以下为对购买帮助不大的评价