加权FCM原型空间特征提取的高光谱图像分类

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (1): 157-161.

加权FCM原型空间特征提取的高光谱图像分类

高燕，杨小远，张美琦

北京航空航天大学数学与系统科学学院教育部信息与行为实验室，北京 100191

出版日期:2016-01-01 发布日期:2015-12-30

Hyperspectral image classification based on weighted FCM prototype space feature extraction

GAO Yan, YANG Xiaoyuan, ZHANG Meiqi

Information and Behavior Laboratory of Ministry of Education, School?of Mathematics and System Sciences, Beihang University, Beijing 100191, China

Online:2016-01-01 Published:2015-12-30

摘要/Abstract

摘要： 在原型空间特征提取方法的基础上提出一种基于加权原型空间特征提取的方法用于高光谱图像数据分类。通过加权模糊[C]均值算法对每个特征施加不同的权重，从而保证提取后的特征含有较高的信息量。实验结果表明，与PSFE相比，w-PSFE对数据集大小的稳定性更高，同时在提取少量的特征用于高光谱图像数据分类时分类精度更高。

关键词: 特征提取, 加权FCM, 数据分类

Abstract: A method called weighted Prototype Space Feature Extraction（w-PSFE） is proposed for feature extraction of hyperspectral data in this paper. The approach is an extension of previous approach—Prototype Space Feature Extraction（PSFE）. Each feature with different weights in terms of weighted Fuzzy C-Means（FCM） algorithm to ensure that the features contain more information after extracted. Experimental results show that compared with results obtained from approach PSFE, w-PSFE has a stability to data set and higher classification accuracy when extracts a small number of features used to hyperspectral image data classification.

Key words: feature extraction, weighted Fuzzy C-Means（FCM）, data classification

高燕，杨小远，张美琦. 加权FCM原型空间特征提取的高光谱图像分类[J]. 计算机工程与应用, 2016, 52(1): 157-161.

GAO Yan, YANG Xiaoyuan, ZHANG Meiqi. Hyperspectral image classification based on weighted FCM prototype space feature extraction[J]. Computer Engineering and Applications, 2016, 52(1): 157-161.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[5]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[6]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[7]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[8]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[9]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[10]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[11]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[12]	光睿智，安博文，潘胜达. 基于无锚框网络的航拍航道船舶检测算法[J]. 计算机工程与应用, 2021, 57(15): 251-258.
[13]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[14]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[15]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.