研究目的
开发一种新型深度置信网络(DBN)方法,通过融合光谱与空间信息进行高光谱图像分类,以提高相较于传统方法的分类精度。
研究成果
提出的深度置信网络(DBN)模型通过无监督预训练和有监督微调学习深层特征,有效实现了高光谱图像分类。该模型在准确率和Kappa系数上均优于SVM等传统方法,其中JSSC-DBN展现出最佳性能。未来工作应聚焦于提升准确率、降低耗时并优化降维算法。
研究不足
DBN模型运行缓慢,且PCA可能不适用于分类任务,这表明在降维和计算效率方面存在潜在的优化空间。
研究目的
开发一种新型深度置信网络(DBN)方法,通过融合光谱与空间信息进行高光谱图像分类,以提高相较于传统方法的分类精度。
研究成果
提出的深度置信网络(DBN)模型通过无监督预训练和有监督微调学习深层特征,有效实现了高光谱图像分类。该模型在准确率和Kappa系数上均优于SVM等传统方法,其中JSSC-DBN展现出最佳性能。未来工作应聚焦于提升准确率、降低耗时并优化降维算法。
研究不足
DBN模型运行缓慢,且PCA可能不适用于分类任务,这表明在降维和计算效率方面存在潜在的优化空间。
加载中....
您正在对论文“高光谱遥感数据的光谱-空间分类深度置信网络”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期