用卷积滤波器matlab代码-hyperspectral-autoencoders:用于训练和使用高光谱数据的无监督自动编码器和有监督深度学习

用卷积滤波器matlab代码deephyp：针对高光谱的深度学习 用于训练和使用高光谱数据的无监督自动编码器和有监督深度学习分类器的工具。 可用文档。 源代码可在上找到。 自动编码器是无监督的神经网络，可用于一系列应用，例如无监督的特征学习和降维。 可以在带标签的数据上训练有监督的深度学习分类器，以预测光谱的类别。 该存储库提供了一个名为deephyp的基于python的工具箱，其中包含针对高光谱数据而构建，训练和测试密集和卷积自动编码器以及分类神经网络的示例。 网络易于设置，并且可以使用不同的体系结构进行自定义。 也可以采用不同的培训方法。 该工具箱基于tensorflow构建。 如果您在研究中使用工具箱，请引用：本文介绍了用于训练自动编码器的光谱角（SA），光谱信息散度（SID）和平方和误差（SSE）损失函数。 如果您在研究中使用余弦谱角（CSA）损失函数，请引用： 如果您在研究中使用分类网络，请引用： 安装 可以使用pip从命令行安装工具箱的： pip install deephyp 可以使用以下方法安装依赖项： pip install -r requirements.txt 导