期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN的高光谱影像空谱分类方法
1
作者
孙笛
车
昇
昆
+1 位作者
段渭超
蒋庆仙
《测绘科学与工程》
2017年第6期74-78,共5页
本文设计了一种改进的卷积神经网络(convolutional neural network,CNN)模型用于高光谱影像分类,该模型能够直接将高光谱影像数据立方体作为输入特征,不需要预先降维处理,且能够综合利用光谱和空间特征进行分类处理。实验结果表...
本文设计了一种改进的卷积神经网络(convolutional neural network,CNN)模型用于高光谱影像分类,该模型能够直接将高光谱影像数据立方体作为输入特征,不需要预先降维处理,且能够综合利用光谱和空间特征进行分类处理。实验结果表明,基于改进的CNN模型的高光谱影像分类方法比传统SVM、1D—CNN和PCA+CNN等方法的分类精度更高。
展开更多
关键词
高光谱影像
分类
卷积神经网络
空谱特征
下载PDF
职称材料
题名
基于CNN的高光谱影像空谱分类方法
1
作者
孙笛
车
昇
昆
段渭超
蒋庆仙
机构
西安测绘研究所
地理信息工程国家重点实验室
[
出处
《测绘科学与工程》
2017年第6期74-78,共5页
文摘
本文设计了一种改进的卷积神经网络(convolutional neural network,CNN)模型用于高光谱影像分类,该模型能够直接将高光谱影像数据立方体作为输入特征,不需要预先降维处理,且能够综合利用光谱和空间特征进行分类处理。实验结果表明,基于改进的CNN模型的高光谱影像分类方法比传统SVM、1D—CNN和PCA+CNN等方法的分类精度更高。
关键词
高光谱影像
分类
卷积神经网络
空谱特征
Keywords
hyperspectral image
classification
eonvolutional neural network
spatial-spectral features
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN的高光谱影像空谱分类方法
孙笛
车
昇
昆
段渭超
蒋庆仙
《测绘科学与工程》
2017
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部