...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Maximum Correntropy Criterion-Based Low-Rank Preserving Projection for Hyperspectral Image Classification
【24h】

Maximum Correntropy Criterion-Based Low-Rank Preserving Projection for Hyperspectral Image Classification

机译：基于最大熵准则的低秩保留投影用于高光谱图像分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this letter, we propose a maximum correntropy criterion-based low-rank preserving projection (MCC-LRPP) for hyperspectral image (HSI) classification, seeking a low-dimensional subspace via low-rank correntropy graph where spectral band structure can be preserved as much as possible. Unlike the sparse and low-rank-based techniques available, MCC-LRPP introduces maximum correntropy criteria (MCC) to model individual band reconstruction error and noise discriminately instead of$l_{2}$and Frobenius related norms. It is equivalent to a row-weighting regularization problem. It puts more emphasis on bands with less noise and indirectly increase their importance and vice versa. MCC-LRPP enhances band difference and thus preserves their local structure as well as global structure. Indeed, more local structure means more discriminant ability. The experimental results on several popular HSI data sets prove its effectiveness and superiority when compared to other existing dimension reduction means.
机译：在这封信中，我们为高光谱图像（HSI）分类提出了基于最大熵准则的低秩保留投影（MCC-LRPP），通过低秩熵图寻求低维子空间，其中光谱带结构可以保留为尽可能地。与可用的稀疏和基于低秩的技术不同，MCC-LRPP引入了最大熵准则（MCC）来区分各个频带重构误差和噪声，而不是 n $ l_ {2 } $ n和Frobenius相关规范。它等效于行加权正则化问题。它更加注重具有较低噪声的频段，并间接提高了它们的重要性，反之亦然。 MCC-LRPP增强了频段差异，因此保留了它们的局部结构以及整体结构。实际上，更多的局部结构意味着更多的判别能力。与其他现有的降维方法相比，在多个流行的HSI数据集上的实验结果证明了其有效性和优越性。

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