二次样本筛选的高光谱图像分类研究 |
| |
引用本文: | 崔颖,王铃秀,李文山.二次样本筛选的高光谱图像分类研究[J].应用科技,2021(3):7-11. |
| |
作者姓名: | 崔颖 王铃秀 李文山 |
| |
摘 要: | 主动学习能够在有标记样本较少的分类任务中得到较好的分类结果,其中熵值装袋算法最为常用,其利用熵值来衡量样本的不确定性,但熵值并不能完全地代表样本的不确定度.针对这一问题,本文提出二次样本筛选的分类算法,通过超像素分割进行边缘区域样本筛选,选择出不确定度较高的样本.利用熵值装袋算法对区域筛选样本进行二次筛选,选择信息量较...
|
关 键 词: | 高光谱图像 图像分类 超像素分割 主动学习 区域筛选 信息熵筛选 样本选择 熵值装袋 |
本文献已被 CNKI 等数据库收录! |
|