研究目的
通过提出一种新颖的基于子空间的多任务学习框架,以提高高光谱图像分类中基于子空间分类模型的鲁棒性和特征描述能力。
研究成果
所提出的基于子空间的多任务学习框架(SMLSVM和SMLSVM-MRF)展现出对高光谱图像分类更强的鲁棒性和特征描述能力,在三个真实高光谱数据集的实验结果中优于其他相关方法。
研究不足
该研究承认由于混合样本和训练样本的选择可能导致子空间投影的不稳定性,这可能会影响分类性能。
研究目的
通过提出一种新颖的基于子空间的多任务学习框架,以提高高光谱图像分类中基于子空间分类模型的鲁棒性和特征描述能力。
研究成果
所提出的基于子空间的多任务学习框架(SMLSVM和SMLSVM-MRF)展现出对高光谱图像分类更强的鲁棒性和特征描述能力,在三个真实高光谱数据集的实验结果中优于其他相关方法。
研究不足
该研究承认由于混合样本和训练样本的选择可能导致子空间投影的不稳定性,这可能会影响分类性能。
加载中....
您正在对论文“基于子空间的高光谱图像分类多任务学习框架”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期