注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 高光谱图像在matlab里的读入与显示

  2. 该matlab代码使用multibbandread（）函数对高光谱数据集进行读取，可将任意波段以图像形式进行展示

  3. 所属分类：其它

    • 发布日期：2017-04-20
    • 文件大小：10mb
    • 提供者：dovejay

  1. Indian pines高光谱数据集

  2. Indian pines印第安农场高光谱数据集，波段数200，数据大小145*145*200。

  3. 所属分类：C/C++

    • 发布日期：2018-01-11
    • 文件大小：5mb
    • 提供者：miao_5

  1. Indian数据集

  2. 本数据集是用于高光谱图像分类使用的indian数据集，用于遥感方向的使用

  3. 所属分类：图像处理

    • 发布日期：2018-03-07
    • 文件大小：5mb
    • 提供者：theferryman

  1. 高光谱数据集

  2. 包含常用的高光谱数据集，IndianPines,Paviau,salinas,Simu

  3. 所属分类：专业指导

    • 发布日期：2018-06-07
    • 文件大小：116mb
    • 提供者：qq_14821323

  1. indian高光谱数据集

  2. 主要提供了高光谱数据集，包括两副高光谱图像，分别是pavia university and indian Pines

  3. 所属分类：电信

    • 发布日期：2018-07-17
    • 文件大小：84mb
    • 提供者：qq_42687937

  1. 通过svm cnn knn对高光谱数据集PaviaU进行分类（matlab）

  2. 本资源主要通过matlab对Paviau高光谱数据集进行分类，使用了pca、kpca、lda三种数据降维方法以及svm、knn、cnn三种数据分类算法。

  3. 所属分类：机器学习

    • 发布日期：2018-08-12
    • 文件大小：35mb
    • 提供者：weixin_37402233

  1. Indian_pinesMATLAB格式的高光谱数据集和地面验证数据

  2. Indian_pinesMATLAB格式的高光谱数据集和地面验证数据和数据说明，Indian_pinesMATLAB格式的高光谱数据集和地面验证数据和数据说明Indian_pinesMATLAB格式的高光谱数据集和地面验证数据和数据说明

  3. 所属分类：数据库

    • 发布日期：2018-01-18
    • 文件大小：11mb
    • 提供者：qq_30545381

  1. 使用SVM代码对AVIRIS_Indiana_16class高光谱数据集进行分类

  2. 使用SVM代码对AVIRIS_Indiana_16class高光谱数据集进行分类

  3. 所属分类：机器学习

    • 发布日期：2018-12-15
    • 文件大小：5mb
    • 提供者：qq_35872779

  1. 高光谱数据集 包括Indian、Pavia 和 PaviaU

  2. 遥感图像的数据集，里面有Indian_pines数据集、Pavia数据集 和 PaviaU数据集，数据集的格式为mat

  3. 所属分类：深度学习

    • 发布日期：2020-04-29
    • 文件大小：2kb
    • 提供者：q5c521

  1. 五种高光谱数据集.zip

  2. 包含五种基本高光谱数据集，适用于遥感图像分类。Indian_pine是一个很传统的高光谱数据集，包含16种数据，如：街道，农田等数据。同Indian Pines图像一样，Salinas数据也是由成像光谱仪所拍摄的，它是对美国加利福尼亚州的Salinas山谷所成的像。

  3. 所属分类：其它

    • 发布日期：2020-03-22
    • 文件大小：195mb
    • 提供者：LIsaWinLee

  1. 多个场景高光谱数据集.txt

  2. 多个遥感高光谱数据集，包括UC Merced Land-Use Data Set，220 Band AVIRIS Hyperspectral Image Data Set等，网盘下载，总大小2.08G

  3. 所属分类：深度学习

    • 发布日期：2019-10-14
    • 文件大小：114byte
    • 提供者：weixin_41234463

  1. 高光谱数据集空间滤波程序

  2. 对高光谱图像数据进行空间滤波处理，自己也在用的程序。

  3. 所属分类：算法与数据结构

    • 发布日期：2019-02-23
    • 文件大小：1kb
    • 提供者：qq_16135107

  1. 常见的高光谱数据集-Botswana、HoustonU、Idian_pines、KSC、Pavia、Salinas、Xiong'an、Xuzhou

  2. 常见的高光谱数据集-Botswana、HoustonU、Idian_pines、KSC、Pavia、Salinas、Xiong'an、Xuzhou，包含光谱数据以及标注信息，伪色彩图和标注图像，格式均为.mat格式。由于文件超过上传限制，所以使用是百度云盘。

  3. 所属分类：深度学习

    • 发布日期：2020-09-23
    • 文件大小：124byte
    • 提供者：qq_41902898

  1. 基于递归字典的同时正交匹配追踪用于高光谱数据的稀疏分解

  2. 贪婪算法的稀疏分解问题仍然是寻找的巨大挑战由于通常很高，因此对于光谱库中观察到的数据而言，端部成员的最佳子集光谱库的相关性。 在这种情况下，一种称为递归的新颖贪婪算法基于字典的同时正交匹配追踪（RD-SOMP）用于稀疏分解呈现高光谱数据。 该算法采用分块处理策略对整体进行划分高光谱图像分成几个块。 在该块的每次迭代中，将光谱库投影到正交子空间并重新归一化，这可以减少光谱库的相关性。 然后RD-SOMP选择一个在当前残差和最大残差之间具有最大相关性的新末端光谱库的正交子空间。 在所有块中选择的最终

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：473kb
    • 提供者：weixin_38632146

  1. 通过基于多视图核规范的二维PCA特征提取和内核ELM进行高光谱图像监督分类

  2. 在本文中，我们提出了一种新颖的灵活框架，用于使用基于核规范的2D PCA提取的多视图光谱空间特征进行高光谱图像（HSI）分类。 我们首先使用基于岭回归的多假设（MH）预测方法从HSI生成3D空间特征数组。 然后，我们将基于核范数的2D PCA应用于前特征阵列的多视图切片（具有空间宽度和光谱维度或具有空间高度和光谱维度的图像），从而可以为重建误差切片，并进一步提取空间光谱特征。 最后，将3D空间光谱特征数组用于表示基于径向基函数（RBF）核的极限学习机（ELM）进行分类的HSI。 最后，采用多数表

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：474kb
    • 提供者：weixin_38624914

  1. 用于半监督高光谱图像分类的有区别的像素对对约束引导极限学习机

  2. 通常，传统的半监督极限学习机（S2-ELM）方法无法充分利用高光谱图像（HSI）分类中的有限标签信息。 在本文中，我们提出了一种判别式S2-ELM方法，称为像素对约束S2-ELM（P2S2-ELM）方法。 利用无标记数据的流形正则化和标记像素之间的像素对约束都被合并到一个统一的最小化框架中，因此，所提出的P2S2-ELM方法能够学习到更有效和更具判别性的投影。 当只有少量标记的样本可用时，在几个真实的高光谱数据集上的实验结果显示出其效率和优越性。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：302kb
    • 提供者：weixin_38557370

  1. 通过联合稀疏和共享小波的稀疏字典学习对高光谱图像进行聚类

  2. 稀疏子空间聚类（SSC）算法在高光谱图像聚类中取得了令人印象深刻的性能。但是，使用包含噪声的原始样本来构造字典。 此外，SSC代表每个信号，而忽略了高光谱像素之间的关系。 为了克服这些问题，我们提出了一种用于高光谱图像聚类的稀疏词典学习方法，该方法将联合稀疏性和共享小波相结合，以提高学习词典的表达能力。 首先，我们将共享的小波作为基础字典并入统一的联合稀疏约束优化模型，以从高光谱图像的光谱和上下文特征中学习结构化的稀疏字典。 然后，基于学习到的稀疏字典，采用稀疏表示系数构造图的非负亲和度矩阵。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：246kb
    • 提供者：weixin_38637093

  1. 基于权重的旋转森林用于高光谱图像分类

  2. 在这封信中，我们提出了一种新的基于权重的旋转森林（WRoF）归纳算法，用于高光谱图像的分类。 新方法的主要思想是通过探索重要实例的潜力来自适应地指导树木的生长。 动态权重函数反映了训练实例的重要性。 实例的权重越高，下一棵树将不得不更多地关注该实例。 在两个真实的高光谱数据集上的实验结果表明，与随机森林和旋转森林相比，WRoF算法显着改善了分类。

  3. 所属分类：其它

  1. 基于主成分分析和线性判别分析的高光谱数据相关矢量机分类

  2. 相关性向量机（RVM）是一种机器学习技术，它使用贝叶斯推理来获取回归和概率的简约解。 与支持向量机（SVM）相比，RVM的贝叶斯公式避免了SVM的自由参数集。 然而，当应用于高光谱数据时，RVM的分类精度不高。 提出了一种基于RVM的分类方法。 该方法结合了主成分分析（PCA）和线性判别分析（LDA）以减少高光谱数据的维数。 首先，将PCA用于一维降维，并获得非奇异的类内散布矩阵。 其次，将LDA应用于第二维降维，大大减少了计算量。 最后，将相关向量机模型应用于遥感图像分类。 本文使用了1992

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：333kb
    • 提供者：weixin_38731199

  1. 基于子空间粗糙集方法的高光谱数据频谱和纹理带选择

  2. 基于子空间粗糙集方法的高光谱数据频谱和纹理带选择

  3. 所属分类：其它

« 12 3 4 5 6 7 8 »