基于加权近邻保持嵌入的高光谱数据降维方法 |
| |
引用本文: | 陈新忠,胡汇涓,王雪松.基于加权近邻保持嵌入的高光谱数据降维方法[J].中国矿业大学学报,2013(6):1066-1072. |
| |
作者姓名: | 陈新忠 胡汇涓 王雪松 |
| |
作者单位: | 中国矿业大学科学技术研究院;中国矿业大学信息与电气工程学院 |
| |
基金项目: | 国家自然科学基金项目(61072094) |
| |
摘 要: | 为降低高光谱数据的信息冗余以提高其分类精度,采用加权距离度量测度来衡量样本间的相似度并进而选择近邻样本,提出一种加权近邻保持嵌入数据降维(WNPE)算法.加权距离的主要思想为根据数据点附近样本点的分布来自适应地决定距离函数,由此可以避免基于标准欧氏距离的近邻选择方法产生的数据冗余现象,从而更好地提取信息量大的光谱波段.CUPRITE矿区高光谱数据上的实验结果表明,与目前具有代表性的稀疏降维和基于流形学习的降维算法对比,WNPE能够有效提高高光谱数据的分类总精度和Kappa系数,分别达到了90.97%和0.878 6.
|
关 键 词: | 加权距离 近邻保持嵌入 高光谱数据 降维 |
本文献已被 CNKI 等数据库收录! |
|