研究论文Stacking Learning在高光谱图像分类中的应用.pdf

结合高光谱数据和深度学习的特点，提出一种同时考虑像素光谱信息和空间信息的深度卷积神经网络框架。该框架主要步骤如下：首先利用主成分分析法对高光谱遥感图像进行光谱特征提取，消除特征之间的相关性，并降低特征

基于空谱联合协同表征的高光谱图像分类算法.pdf

高光谱遥感图像的处理与应用，本文主要介绍了如何对高光谱图像进行处理，以及他的应用。

聚类分析在非监督图像分类中的应用研究-浅谈遥感图像监督分类与非监督分类.pdf聚类分析在非监督图像分类中的应用研究

利用稀疏字典表示、OMP算法进行高光谱图像分类，内含高光谱数据。

为了提高高光谱遥感图像分类中空间信息的利用率,提出一种将空间邻域信息和光谱信息结合的组合核支持向量机(SVM)学习算法.用SVM进行预分类,从分类结果图提取各像素的空间邻域特征,与光谱特征结合构造组合

为解决高光谱数据维度高、波段之间相关性强、获取大量监督信息费时费力的问题，对高光谱图像的分类进行研究。半监督分类方法是基于传统的机器学习的一种分类方法，它可以利用少量带标签的监督信息和大量无监督信息解

研究论文-基于改进的最小二乘支持向量机的高光谱遥感图像分类

关于分类器集成方法的研究及在文本分类中的应用，张轶词，杜江，基于机器学习进行分类的方法可谓是层出不穷，目前主要的研究内容大致分为这样几个层面，一是特征提取层面；二是特征选择层面；三

基于高光谱影像数据的特点，分析了高光谱数据的降维方法。着重探讨了波段选择的若干算法：熵及联合熵、最佳指数因子、自动子空间划分、自适应波段选择、波段指数和最优波段指数等算法。分析了各种算法的有效性、局限