排序方式: 共有2条查询结果,搜索用时 62 毫秒
1
1.
2.
现有的三维卷积神经网络(Three-dimensional convolutional neural network, 3D-CNN)模型常有参数过多和特征提取不全面的情况,并且对样本标签有限问题的处理存在不足。针对样本标签有限的问题,采用生成式对抗网络模型对原始数据进行数据增强,解决了个别样本标签少导致分类模型出现过拟合的现象;针对3D-CNN网络提取特征不全面的问题,所设计高效的3D-CNN网络模型,在网络中加入纹理信息增强模型,使网络能更好地提取图像的空谱特征。实验表明,算法在小样本数据情况下比原始网络分类精度更高,能自适应提取高光谱图像的空谱联合特征。 相似文献
1