基于近邻边界最大的半监督高光谱数据降维方法

发明专利有效专利

申请号：
CN201410213709.X
IPC分类号：G06K9/62
申请日期：
2014-05-20
申请人：
西安电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于近邻边界最大的半监督高光谱数据降维方法
申请号	CN201410213709.X	申请日期	2014-05-20
法律状态	授权	申报国家	暂无
公开/公告日	2014-08-27	公开/公告号	CN104008394A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2查看分类表>
申请人	西安电子科技大学	申请人地址	陕西省西安市太白南路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西安电子科技大学	当前权利人	西安电子科技大学
发明人	杨淑媛;焦李成;冯志玺;刘芳;缑水平;侯彪;王爽;杨丽霞;邓晓政;任宇
代理机构	陕西电子工业专利中心	代理人	王品华;朱红星

摘要

本发明公开了一种基于近邻边界最大的半监督高光谱数据降维方法，主要解决现有技术需要大量监督信息且降维后数据判别性差的问题。其步骤为1.将遥感数据库样本集划分为训练数据集和标记样本集；2.生成标记样本集的散度矩阵；3.生成训练数据集的空间近邻矩阵；4.生成训练数据集的相似度矩阵；5.根据散度矩阵，通过最大边界准则构造半监督判别项；6.构造半监督正则项；7.通过最小化判别项和正则项之和获取最优投影矩阵，以实现降维。本发明采用低秩表示的流形正则和空间一致性的空间正则来构造正则项，采用空谱联合的正则策略，使得投影矩阵更加鲁棒、完备，提高了降维后数据的判别的性能，可用于高光谱数据的分类识别。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供