• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Asia-Pacific Signal and Information Processing Association Annual Summit and Conference >Kernel Extreme Learning Machine joint Spatial-spectral Information for Hyperspectral Image Classification
【24h】

Kernel Extreme Learning Machine joint Spatial-spectral Information for Hyperspectral Image Classification

机译：核极限学习机联合空间光谱信息用于高光谱图像分类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Due to its fast learning speed and good generalization ability, extreme learning machine(ELM) has gained significant attention in machine learning and pattern recognition fields. However, when directly applied ELM to hyperspectral image classification (HSI), the accuracy is not high. In this paper, we propose a novel kernel ELM method, which joint spatial-spectral information together to investigate the performance of kernel ELM for HSI classification. In the proposed method, the spatial information are employed by extended morphological profiles. Experiments carried on two widely used hyperspectral datasets demonstrate that the proposed method outperform the SVM and kernel SVM methods. At the same time the cost of computation is much less than traditional methods.
机译：极限学习机由于其快速的学习速度和良好的泛化能力，在机器学习和模式识别领域受到了广泛的关注。但是，直接将ELM应用于高光谱图像分类（HSI）时，准确性不高。在本文中，我们提出了一种新颖的内核ELM方法，该方法将空间光谱信息结合在一起，以研究内核ELM在HSI分类中的性能。在提出的方法中，空间信息被扩展的形态学轮廓所利用。在两个广泛使用的高光谱数据集上进行的实验表明，该方法优于SVM和内核SVM方法。同时，计算成本比传统方法要低得多。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号