联合核稀疏多元逻辑回归和TV-L1错误剔除的高光谱图像分类算法
稀疏多元逻辑回归（SMLR）是高光谱监督分类中的重要方法,然而仅仅利用光谱信息的SMLR忽略了影像本身的空间特征,在少量监督样本下的分类精度和算法的鲁棒性仍明显不足;虽然通过引入核技巧,核稀疏多元逻辑回归（KSMLR）可以部分克服上述缺点,其分类错误仍然有待进一步降低.本文基于核稀疏多元逻辑回归分类误差的统计建模分析,提出一种联合核稀疏多元逻辑回归和正则化错误剔除的高光谱图像分类模型.提出的模型通过引入隐概率场,采取L1范数度量KSMLR分类误差的重尾特性建立数据保真项;利用全变差（Total Variation,TV）正则化度量隐概率场的局部空间光滑性.由Indian Pines和University of Pavia数据集等实测数据应用表明,该方法可以得到更鲁棒和更高的分类精度.
文件下载
评论信息
其他资源
- QuartusII 13.0 MAX器件库
- 基于LabVIEW的语音识别设计方案+附源代码
- Lenovo S400 联想S400 去白名单，增加高级菜单 BIOS
- FreeRTOS和FreeMODBUS移植到STM32F407傻瓜教程（Keil5）.pdf
- 平安银行 B2BIC
- 基于可见光的室内定位研究
- casia数据集-清洗过后的人脸数据集
- 04747《Java语言程序设计（一）》教材电子版
- 3种微分方程求解器
- 全国计算机等级考试三级教程——网络技术
- AI 人工智能的数学基础和Python实践
- Xamarin SwipeRefreshLayout入门实例
- 网站-engesoft-源码
- 外资餐饮品牌中国扩张之路.pdf
- Enhanced nonlinearity for filamentation in gold-nanoparticle-doped water
- 0ctf-2017-pwn-char-libc.so
- 《关雎》 - 副本.pptx
- AndroidHAL实例解析
- calculator.rar
- php-5.4.45-Win32-VC9-x86.zip
- WSUS全攻略（Microsoft® Windows Server® Update Services 3.0）
- 用TCP/IP进行网际互联 (卷一,二,三) 中文版
- [UE] Eye Tracking the User Experience 英文版
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明