堆叠核极限学习机用于高光谱图像分类

根据高光谱遥感图像数据维度高、空间相关性、特征非线性的特点,提出了一种基于深度学习的空-谱特征提取分类算法。首先在堆栈稀疏自动编码机中加入权重衰减项,再利用主成分分析方法对图像数据进行降维处理,然后根

步步高学习机源码，很经典的东西

基于稀疏表示的高光谱图像分类

首先利用PCA进行降维，并利用SVM对高光谱数据进行分类，数据采用印第安纳农场数据，训练样本比例可调，设计了一个GUI

核半监督极限学习机在城市交通拥挤评价中的应用

为准确反演气体浓度,节约建模时间,提出了基于区间极限学习机(ELM)定量分析模型的傅里叶变换红外(FTIR)光谱分析技术。该方法基于区间划分思想,将整个光谱范围划分为若干个子区间,利用ELM分别建立各

Regression fitting and classification of chapter30 extreme learning machine——Comparative experimenta

针对现有半监督分类方法无法对移动界面模式进行有效分类的问题，提出一种采用改进极限学习机的移动界面模式半监督分类方法。为了提高极限学习机的分类效果，利用改进的粒子群优化算法优化极限学习机的初始参数。根据

一种用于高光谱图像分类的新型分层半监督支持向量机

本文主要介绍了基于深度学习的高光谱图像分类方法。着重讲解了卷积神经网络（CNN）和循环神经网络（RNN）在高光谱图像分类中的应用，以及它们在不同数据集上的实验结果。此外，还分析了深度学习在高光谱图像分