基于非负矩阵分解的SAR图像目标识别

非负矩阵分解方法不仅被用作数据降维,并且被广泛地应用于高光谱混合像元分解。由于非负矩阵分解常常陷于局部最小化,各种限制性条件被使用,如稀疏、体积等。深度学习作为一种新的数据挖掘方法被广泛地使用,其通过

利用猫眼效应发现识别特定目标的原理、技术

基于知识推理的遥感图像目标识别方法，是目标识别方面的经典文档

摘要: 桥梁水域分割是桥梁目标识别的关键，首先对 Markov 随机场理论 K － M 分割方法进行改进，进而提出一种桥梁目标识 别算法，对经过预处理的红外桥梁图像利用 K － M 分割方法进行桥梁水

基于图像NMI特征的目标识别新方法，这是讲解NMI经典文章之一，多次被引用

摘要: 基于局部特征的图像目标识别是近年来计算机视觉领域中的热点问题。首先,论述整体特征的不足以及局 部特征的优势。然后,详细阐述局部特征提取技术和目标表示方法的研究现状,讨论其中的一些常用算法。为清

鉴于使用单一特征无法获得令人满意的分类效果以及SVM在小训练样本时具有良好的分类性能,提出了基于多种目标分解方法和SVM的极化SAR图像分类方法。首先对原始极化SAR图像使用多种目标分解方法进行处理,

针对非参数线性判别分析(LDA)的类间散布矩阵,就如何有效描述类边界结构这一问题,提出一种SVM与k 近邻(kNN)法相结合的非参数类间散布矩阵构造方法--SVM-kNN.该方法消除了非类边界样本对类

传统的高光谱混合像元分解方法仅考虑高光谱图像的几何特性或者丰度的稀疏性,而忽略高光谱数据的光谱空间特性。当原图像中不存在纯净像元时,分解精度将严重下降。为了解决这些问题,提出一种改进的空间信息约束非负

基于非负矩阵因子分解算法提取胃癌差异表达基因，杜芳，饶妮妮，多种因素导致的基因差异性表达与疾病的发生发展密切相关，分析差异表达基因，对于研究细胞生命过程的调节机制及致病机制具有重要