遥感影像非监督分类方法基于独立分量分析的极化SAR图像非监督分类方法.pdf

介绍PCI软件、ERDAS软件中的监督分类操作流程,原创码字,很实用。

该文档简述了遥感的定义原理，以及分类的各种详细的方法，以及ENVI软件的具体的操作说明，是适合初学者的一套简单易上手的指导说明

文章对独立分量分析的基本理论和FastICA的算法实现作了简要介绍。为提高收敛速度，对牛顿迭代法加以修正，并证明了修正形式为三阶收敛，提出了一种改进的牛顿迭代法的独立分量分析法。

是不是还在为模式识别的课设而头疼,这篇文章将会解决课设中的一部分(费歇尔多分类对图像进行分类),只需要稍加改动就可以进行机器学习

标签带噪声数据的重加权半监督分类方法,杨旻,陈倩,对于仅有部分数据带标签且标签含有噪声的二分类问题,本文提出了一类基于重要性重加权的半监督分类算法,借助贝叶斯公式和无约束

针对传统的基于散射机理的极化SAR图像分类方法易导致与雷达方位向具有一定倾角的建筑物（简称定向建筑物）被错划为森林等体散射类型的问题，提出一种引入极化方位角特征的分类方法。利用四分量分解模型并引入极化

针对传统高斯分布容易受到数据样本边缘值和离群点噪声的影响，改用t分布替代原有的高斯混合模型，并使用期望最大化（Expectation Maximization，EM）算法对网络流数据样本进行t分布混合

图像分类是计算机视觉中的基本任务之一，深度学习的出现是的图像分类技术趋于完善。最近，自监督学习与预训练技术的发展使得图像分类技术出现新的变化，这篇论文概述了最新在实际情况中少标签小样本等情况下，关于自

ICA和vbICA在信号分离中能力的比较。

基于整数小波变换和有序非负独立分量分析的遥感图像融合