您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202008-54
论文题目 结合不确定性准则和差分进化算法的高光谱数据分类方法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

结合不确定性准则和差分进化算法的高光谱数据分类方法

首发时间:2020-08-31

池辛格 1   

池辛格(1995-),男,主要研究方向:遥感图像处理

王立国 1    2   

王立国(1974-),男,教授,博士,博士生导师,主要研究方向:遥感图像处理

  • 1、哈尔滨工程大学信息与通信工程学院,哈尔滨,150001
  • 2、大连民族大学信息与通信工程学院,大连,116600

摘要:高光谱数据获取地物标签代价很高,对分类精度产生了很大的影响。半监督分类可以利用少量有标签样本和大量无标签样本,在与主动学习方法结合后取得了较好的分类效果,但是在精度和运算效率上仍然有改进的空间。为此,本文提出了一种结合多层次不确定性采样策略和自适应差分进化算法的半监督分类方法,首先通过多层次不确定性准则从无标签样本中选取信息量较高的样本和可以确定类别的样本,用后者和已知的有标签样本共同对前者进行标记,然后通过自适应差分进化算法寻优,扩充训练样本,最后使用新的训练样本集训练支持向量机分类器,对测试样本进行分类。实验结果表明,该方法能够充分利用样本信息,有效提高了小样本情况下高光谱数据的分类精度。

关键词: 高光谱 半监督分类 多层次不确定性准则 自适应差分进化 支持向量机

For information in English, please click here

Hyperspectral Data Classification Combined with Uncertainty Criterion and Differential Evolution Algorithm

Chi Xinge 1   

池辛格(1995-),男,主要研究方向:遥感图像处理

Wang Liguo 1    2   

王立国(1974-),男,教授,博士,博士生导师,主要研究方向:遥感图像处理

  • 1、College of Information and Communication Engineering, Harbin Engineering University, Harbin, 150001
  • 2、College of Information and Communication Engineering, Dalian Minzu University, Dalian, 116600

Abstract:The cost of obtaining the feature labels for Hyperspectral image data is high,which has a great impact on the classification accuracy. The semi-supervised classification method can achieve better classification performance by using a small mount of supervisory information with given labels and a large amount of unsupervised information. After combining with the active learning method, a good classification effect is achieved, but there is still room to improve the accuracy and computational efficiency. Therefore, this paper proposes a semi-supervised classification method combining multi-level uncertainty sampling strategy and adaptive differential evolution algorithm. First, samples with higher information content and samples with determinable categories are selected from unlabeled samples through the multi-level uncertainty criterion, the latter and known labeled samples are used to label the former together, and then the adaptive differential evolution algorithm are used to execute optimization, expand the training samples, and finally use the new training sample set to train the support vector machine(SVM) classifier to classify the test samples. Experimental results show that this method can make full use of sample information and effectively improve the classification accuracy of hyperspectral images in the case of small samples.

Keywords: Hyperspectral semi-supervised classification multi-level uncertainty criterion self-adaptive differential evolution support vector machine(SVM)

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
池辛格,王立国. 结合不确定性准则和差分进化算法的高光谱数据分类方法[EB/OL]. 北京:中国科技论文在线 [2020-08-31]. http://www.paper.edu.cn/releasepaper/content/202008-54.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

结合不确定性准则和差分进化算法的高光谱数据分类方法