# HSI-SVM
## 简介
针对高光谱遥感影像识别与分类中存在的问题,开展了以下几方面的研究工作。
+ (1)针对在实际应用中,当特征维数增加到某一个临界点时,继续增加特征维数反而会导致分类器的性能变差,即出现所谓的“休斯(Hughes)现象”的问题。提出了
基于波段组合(2D)2PCA 的高光谱遥感影像降维方法,达到了降低数据冗余,消除“休斯现象”的目的,为后续的特征提取和分类工作奠定了基础。
+ (2)提出了基于双通道卷积神经网络的 HSI 空谱特征提取模型,该模型综合利用了高光谱遥感影像中所包含的光谱特征和空间特征,可有效的提高识别和分类的效率。
+ (3)针对分类器的泛化能力较弱的问题,提出了基于双通道 CNN-SVM 相融合的HSI识别与分类模型,该模型充分利用了卷积神经网络强大的图像特征提取能力,同
时将 SVM 的泛化能力最大化,最大限度的提高了模型的分类精度,并将该模型应用到高光谱遥感影像分类中。
## 分割数据集
```
python create_PCA.py
```
## 训练一个简单的模型
```
python testmodel.py
```
## 训练HSI
```shell
cd Part_2
python HSI.py
```
#### HIS_K
#### HIS_G
#### HIS
## 训练HSI_SVM
```shell
cd Part_3
python HSI.py
```
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于python实现的高光谱遥感影像识别与分类+源码+项目文档+使用教程,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档~ 项目简介: 针对高光谱遥感影像识别与分类中存在的问题,开展了以下几方面的研究工作。 (1)针对在实际应用中,当特征维数增加到某一个临界点时,继续增加特征维数反而会导致分类器的性能变差,即出现所谓的“休斯(Hughes)现象”的问题。提出了 基于波段组合(2D)2PCA 的高光谱遥感影像降维方法,达到了降低数据冗余,消除“休斯现象”的目的,为后续的特征提取和分类工作奠定了基础。 (2)提出了基于双通道卷积神经网络的 HSI 空谱特征提取模型,该模型综合利用了高光谱遥感影像中所包含的光谱特征和空间特征,可有效的提高识别和分类的效率。 (3)针对分类器的泛化能力较弱的问题,提出了基于双通道 CNN-SVM 相融合的HSI识别与分类模型,该模型充分利用了卷积神经网络强大的图像特征提取能力,同 时将 SVM 的泛化能力最大化,最大限度的提高了模型的分类精度,并将该模型应用到高光谱遥感影像分类中。
资源推荐
资源详情
资源评论






















收起资源包目录








































共 24 条
- 1
资源评论

- laughingyaa2025-04-08发现一个超赞的资源,赶紧学习起来,大家一起进步,支持!

梦回阑珊
- 粉丝: 6464
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助


最新资源
- 2016SPM01软件项目管理导论.pptx
- (完整版)基于单片机的多用太阳能手机充电器开题报告(2).doc
- (完整版)javaweb开发案例.doc
- 网站建设合同书样书.doc
- JAVA期末测试卷2(最新整理).pdf
- 2010-2011《操作系统》期末试卷(A)2.doc
- 如何通过信息化手段落地营改增政策.pptx
- (完整word版)姑苏农业电子商务公司创业计划书02.doc
- AutoCAD上机实验指导书.doc
- (源码)基于Java Spring框架的财务信息管理Web应用.zip
- 成都大学2011通信原理复习题.doc
- 《教育信息化十年发展规划(2011-2020年)》.doc
- 1.3-数据库应用系统.ppt
- (完整版)数控加工编程技术试题库及答案-推荐文档.pdf
- 大数据处理技术研究.docx
- 信息与通信客户接入业务设计.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈



安全验证
文档复制为VIP权益,开通VIP直接复制
