原创力文档- 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
查看更多
一种基于残差增强空谱融合超图神经网络的高光谱图像分类方法，包括以下步骤：S1：通过不同的特征提取策略分别提取高光谱图像的光谱‑空间特征，即将原始图像展平成矩阵计算光谱特征，由像素的水平和垂直坐标生成空间特征；S2：将不同模态的特征分别生成超图并进行融合，生成多模态超图关联矩阵；并且根据超图结构计算出超边和顶点；S3：将超图和高光谱原始特征输入到残差增强的超图神经网络进行训练，通过反向传播动态更新超图，得到每个像素的预测分类标签。本发明可以充分表示高光谱图像中丰富且复杂的信息，而且解决了高光谱在传
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116152544 A
(43)申请公布日 2023.05.23
(21)申请号 202211378204.X
(22)申请日 2022.11.04
(71)申请人 天津理工大学
文档评论（0）