...
  • 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 >Correntropy-Based Sparse Spectral Clustering for Hyperspectral Band Selection
【24h】

Correntropy-Based Sparse Spectral Clustering for Hyperspectral Band Selection

机译：基于纯基的稀疏光谱聚类用于高光谱频带选择

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

This letter presents a correntropy-based sparse spectral clustering (CSSC) method to select proper bands of a hyperspectral image. The CSSC first constructs an affinity matrix with the correntropy measure which considers the nonlinear characteristics of hyperspectral bands and can suppress effects from noise or outliers in measuring band similarity. The CSSC imposes the sparsity and block diagonal constraint on spectral clustering, which can further improve band clustering performance. Bands are finally selected from each cluster on the connected graph. Experimental results on two widely used hyperspectral images show that the CSSC behaves better than spectral clustering and other several state-of-the-art methods in band selection.
机译：这封信呈现了一种基于正轮的稀疏频谱聚类（CSSC）方法，用于选择高光谱图像的适当频带。 CSSC首先构造具有校正度量的亲和矩阵，其考虑高光谱带的非线性特性，并且可以抑制测量带相似度中的噪声或异常值的效果。 CSSSSC对光谱聚类施加稀疏性和块对角线约束，这可以进一步提高频带聚类性能。频段最终从连接图上的每个群集中选中。两个广泛使用的高光谱图像上的实验结果表明，CSSC比光谱聚类和其他最先进的频段选择方法表现更好。

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