1 pca与移动窗dwt特征提取 - 中国图象图形学报.docVIP

下载本文档

25
0
约1.45万字
约 8页
2017-09-06 发布于天津
举报
版权申诉

1 pca与移动窗dwt特征提取 - 中国图象图形学报.doc

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

中图法分类号文献标识码文章编号与移动窗小波变换的高光谱决策融合分类叶珍何明一西北工业大学电子信息学院西安摘要目的高光谱数据具有较高的谱间分辨率和相关性给分类处理带来了一定的困难为了提高分类本文提出了一种结合与移动窗小波变换的高光谱决策融合分类算法方法首先利用相关系数矩阵对原始高光谱数据进行波段分组然后利用主成分分析对每组数据进行谱间降维再根据提出的移动窗小波变换法进行空间特征提取最后采用线性意见池决策融合对多分类器的分类结果进行融合结果采用两组来自不同传感器的数据所提算法的分类精度和系数均高于已

中图法分类号：TP751 文献标识码：A 文章编号： PCA与移动窗小波变换的高光谱决策融合分类叶珍，何明一 (西北工业大学电子信息学院西安 710072) 摘要：目的高光谱数据具有较高的谱间分辨率和相关性，给分类处理带来了一定的困难。为了提高分类，本文提出了一种结合PCA与移动窗小波变换的高光谱决策融合分类算法。方法首先，利用相关系数矩阵对原始高光谱数据进行波段分组；然后，利用主成分分析对每组数据进行谱间降维；再根据提出的移动窗小波变换法进行空间特征提取；最后，采用线性意见池（LOP）决策融合对多分类器的分类结果进行融合。结果采用两组来自不同传感器的数据, 所