...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geoscience and Remote Sensing Letters, IEEE >Kernel Collaborative Representation With Tikhonov Regularization for Hyperspectral Image Classification
【24h】

Kernel Collaborative Representation With Tikhonov Regularization for Hyperspectral Image Classification

机译：Tikhonov正则化的核协作表示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, kernel collaborative representation with Tikhonov regularization (KCRT) is proposed for hyperspectral image classification. The original data is projected into a high-dimensional kernel space by using a nonlinear mapping function to improve the class separability. Moreover, spatial information at neighboring locations is incorporated in the kernel space. Experimental results on two hyperspectral data prove that our proposed technique outperforms the traditional support vector machines with composite kernels and other state-of-the-art classifiers, such as kernel sparse representation classifier and kernel collaborative representation classifier.
机译：在这封信中，提出了利用Tikhonov正则化（KCRT）进行内核协作表示的高光谱图像分类方法。通过使用非线性映射函数将原始数据投影到高维内核空间中，以提高类的可分离性。此外，相邻位置的空间信息被合并到内核空间中。在两个高光谱数据上的实验结果证明，我们提出的技术优于传统的支持向量机，它具有复合核和其他最新的分类器，例如核稀疏表示分类器和核协作表示分类器。

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