...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Geoscience and Remote Sensing. >Sparse Hilbert Schmidt Independence Criterion and Surrogate-Kernel-Based Feature Selection for Hyperspectral Image Classification
【24h】

Sparse Hilbert Schmidt Independence Criterion and Surrogate-Kernel-Based Feature Selection for Hyperspectral Image Classification

机译：稀疏Hilbert Schmidt独立准则和基于替代核的特征选择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

Designing an effective criterion to select a subset of features is a challenging problem for hyperspectral image classification. In this paper, we develop a feature selection method to select a subset of class discriminant features for hyperspectral image classification. First, we propose a new class separability measure based on the surrogate kernel and Hilbert Schmidt independence criterion in the reproducing kernel Hilbert space. Second, we employ the proposed class separability measure as an objective function and we model the feature selection problem as a continuous optimization problem using LASSO optimization framework. The combination of the class separability measure and the LASSO model allows selecting the subset of features that increases the class separability information and also avoids a computationally intensive subset search strategy. Experiments conducted with three hyperspectral data sets and different experimental settings show that our proposed method increases the classification accuracy and outperforms the state-of-the-art methods.
机译：设计有效的标准以选择特征子集对于高光谱图像分类是一个具有挑战性的问题。在本文中，我们开发了一种特征选择方法来选择用于高光谱图像分类的类判别特征的子集。首先，我们提出了一种基于替代核和希尔伯特·施密特独立性准则的可再生类希尔伯特空间中的新类可分离性度量。其次，我们使用拟议的类可分离性度量作为目标函数，并使用LASSO优化框架将特征选择问题建模为连续优化问题。类可分离性度量和LASSO模型的组合允许选择增加子类可分离性信息的特征子集，并且还避免了计算量大的子集搜索策略。在三个高光谱数据集和不同的实验设置下进行的实验表明，我们提出的方法提高了分类精度，并且胜过了最新技术。

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