版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、由于高光譜圖像具有高維非線性,像元混合嚴(yán)重,信息冗余等特點,使得其圖像處理相當(dāng)復(fù)雜。為了能夠避免高光譜數(shù)據(jù)處理過程中,出現(xiàn)的Hughes現(xiàn)象,即維數(shù)災(zāi)難,將高斯過程分類(Gaussian Process Classifier,GPC)引入其中。高斯過程分類(Gaussian Process Classifier,GPC)是一種,在貝葉斯(Bayesian)框架下的概率化分類算法,是貝葉斯完全概率化表達,已經(jīng)成功用于模式識別與軟工業(yè)測量等
2、領(lǐng)域。本文在高斯過程的基礎(chǔ)上,以高光譜數(shù)據(jù)為背景,對高光譜圖像高斯過程分類算法進行深入研究。
本文針對高光譜圖像分類的主要工作如下:
1.介紹高斯過程基本原理,簡要分析分類的基礎(chǔ)理論,高光譜圖像的特點,給出了圖像分類的評價指標(biāo)體系,同時給出了高斯過程高光譜分類模型。
2.以拉普拉斯近似化方法下為例,介紹直接法多類分類算法。以二類分類為基礎(chǔ)進行高光譜圖像分類,提出一種間接多目標(biāo)分類方法即二對二高斯過程多目標(biāo)分
3、類。以二類分類為基礎(chǔ)的高光譜圖像在算法實現(xiàn)上比較簡潔,優(yōu)化二類分類的同時,即意味著優(yōu)化多類分類。
3.在分析核函數(shù)的不同特點的基礎(chǔ)上,給出了幾種組合核函數(shù),并將其用于高光譜圖像分類中,取得了一定效果。組合核函數(shù)的優(yōu)點在于:依據(jù)不同性能的核函數(shù)組合而成的新構(gòu)造的核函數(shù)既擁有局部性能更好核函數(shù)的學(xué)習(xí)能力,又能夠擁有全局性能較好核函數(shù)的更好的推廣能力。
4.介紹了Parzen窗似然估計的基本原理,再結(jié)合組合核函數(shù),提出Pa
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高斯過程的高光譜圖像分類研究.pdf
- 基于高斯過程分類器的高光譜圖像分類.pdf
- 念想高光譜圖像分類的高斯過程模型研究.pdf
- 基于超像素的高光譜圖像分類算法研究.pdf
- 基于稀疏表示的高光譜圖像分類算法研究.pdf
- 高光譜溢油圖像分類算法研究.pdf
- 基于多分類器融合的高光譜圖像分類算法研究.pdf
- 基于相關(guān)向量機的高光譜圖像分類算法研究.pdf
- 基于深度學(xué)習(xí)的高光譜圖像分類算法的研究.pdf
- 基于相關(guān)熵方法的高光譜圖像分類算法的研究.pdf
- 基于EMD-SVM的高光譜圖像分類相關(guān)算法研究.pdf
- 高光譜圖像半監(jiān)督分類算法研究.pdf
- 基于密度峰值聚類算法的高光譜圖像分類.pdf
- 基于圖像融合的高光譜圖像分類.pdf
- 基于圖像融合的高光譜遙感圖像分類研究.pdf
- 高光譜圖像特征學(xué)習(xí)與分類算法研究.pdf
- 基于最小正則化子空間高光譜圖像分類算法的研究.pdf
- 基于分水嶺分割的高光譜圖像分類算法研究.pdf
- 基于高光譜圖像的雜草分類研究.pdf
- 基于分類精度預(yù)測的高光譜圖像分類研究.pdf
評論
0/150
提交評論