国家自然科学基金(61001162)
- 作品数：4 被引量：16H指数：3
- 相关作者：黄睿朱江涛何文勇陈玲吕智强更多>>
- 相关机构：上海大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于粒子群算法和序贯搜索的高光谱波段选择被引量：5
- 2012年
- 波段选择是降低高光谱数据量,克服地物分类中Hughes现象的有效手段。子集生成方式和评价准则是选择算法的两要素。提出一种混合随机搜索与启发式搜索的子集生成方法。该方法在随机搜索中嵌入启发式搜索,对由离散粒子群优化算法每次迭代更新的种群利用序贯搜索进行局部微调,提高了随机搜索的精度。这种嵌入微调也保证了优化算法解的有效性。高光谱波段选择与分类实验比较了该方法与混合遗传算法、标准遗传算法和顺序前向浮动选择算法的性能,表明算法能选择出评价准则意义下更好的子集。
- 黄睿何文勇
- 关键词：粒子群优化波段选择
- 图Laplacian半监督特征加权用于高光谱波段选择被引量：3
- 2011年
- 提出一种利用图Laplacian实现半监督波段选择的方法.该方法首先将标记样本类别信息引入图Laplacian,接着通过广义特征值求解确定投影变换矩阵,最后采用载荷因子对变换矩阵进行系数分析,对波段重要性赋以权值并排序.实验比较了多种波段选择算法,结果表明算法能更好地利用标记样本的类别信息和大量非标记样本中的局部结构信息,性能优于多种波段选择方法.
- 黄睿陈玲
- 关键词：波段选择
- 基于Adaboost的高光谱与LiDAR数据特征选择与分类被引量：9
- 2014年
- 提出一种基于Adaboost的高光谱与LiDAR数据特征选择与分类方法。方法首先提取地物的光谱、高程、纹理以及植被指数等特征,接着利用Adaboost评估不同特征的重要度,实现特征选择,最后基于特征子集进行Adaboost分类。甘肃省张掖城区的地物分类实验表明所提方法能选择出有利于类别区分的特征。
- 朱江涛黄睿
- 关键词：高光谱影像LIDAR数据ADABOOST算法
- 图Laplacian和自训练用于高光谱数据半监督波段选择
- 2014年
- 波段选择是数据降维的有效手段,但有限的标记样本影响了监督波段选择的性能。提出一种利用图Laplacian和自训练策略实现半监督波段选择的方法。该方法首先定义基于图的半监督特征评分准则以产生初始波段子集,接着在该子集基础上进行分类,采用自训练策略将部分可信度较高的非标记样本扩展至标记样本集合,再用特征评分准则对波段子集进行更新。重复该过程,获得最终波段子集。高光谱波段选择与分类实验比较了多种非监督、监督和半监督方法,实验结果表明所提算法能选择出更好的波段子集。
- 黄睿吕智强
- 关键词：波段选择半监督学习
