首页> 中文期刊> 《遥感学报》 >生成式对抗网络的高光谱遥感图像分类方法研究

生成式对抗网络的高光谱遥感图像分类方法研究

         

摘要

针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于高光谱图像分类。该算法在每次迭代时,首先,依据训练样本的标签信息使判别器网络拟合训练样本的数据分布;然后对训练样本的高维特征进行均值最小化,该过程会重新更新判别器网络参数,减小参数的值和方差,以抑制过拟合;最后,将本算法应用于针对高光谱图像所设计的光谱空间分类模型进行分类。实验结果表明,在标准数据集Indian Pines和Pavia University中随机选取1%标记样本进行训练,总体分类精度分别达到了89.61%和98.79%,相比于其他现有算法有明显的提高,较表现最好的分类方法,总体分类精度分别提升了5.17%和1.38%。在Indian Pines数据集取1%标记样本,Pavia University数据集取0.1%标记样本的情况下,本文算法对过拟合的抑制效果优于几种常用的过拟合抑制算法,较表现最好的Dropout算法,总体分类精度分别提升了5.60%和3.20%。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 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