论文部分内容阅读
针对高光谱数据维度高、样本数有限对分类精度产生局限性的问题,提出了一种结合随机子空间与堆栈式稀疏自编码器深度网络模型(SSAE-LR)的高光谱图像分类新方法。首先基于像素邻域窗口进行像素邻域结构信息的空间特征提取,并将其与光谱信息进行串行拼接;然后利用随机子空间方法在得到的整体特征空间中随机选取若干大小相同的特征子集;最后在这些特征子集上利用SSAE-LR训练获得基分类器,并将所有基分类器的输出进行集成得到分类结果。通过两组高光谱图像数据的实验结果可知,该方法能有效提高传统方法的分类效果。