基于改进独立分量分析的高光谱数据分类研究 |
| |
引用本文: | 王祥涛,冯燕,陈武. 基于改进独立分量分析的高光谱数据分类研究[J]. 计算机仿真, 2009, 26(11): 177-181 |
| |
作者姓名: | 王祥涛 冯燕 陈武 |
| |
作者单位: | 西北工业大学电子信息学院,陕西,西安,710072 |
| |
摘 要: | 高光谱数据波段数目多,光谱信息量大,采用传统的分类方法无法取得较好的精确分类效果.针对上述问题,结合独立分量分析(ICA)和概率神经网络(PNN)在高光谱数据特征提取及分类中的优势,提出了一种改进的独立分量分析与概率神经网络相结合的高光谱数据分类方法,首先采用改进的独立分昔分析对高光谱数据进行降维,然后采用概率神经网络对提取的独立分量进行分类.通过仿真实验结果表明,方法可以在获得较高分类精度的同时大大节省分类的时间.
|
关 键 词: | 高光谱 独立分量分析 概率神经网络 |
Classification of Hyperspectral Data Based on Improved Independent Component Analysis |
| |
Abstract: | |
| |
Keywords: | Hyperspectral Independent component analysis (ICA) Probability neural network (PNN) |
本文献已被 维普 万方数据 等数据库收录! |
|