摘要：为解决高光谱数据维度高、波段之间相关性强、获取大量监督信息费时费力的问题,对高光谱图像的分类进行研究.半监督分类方法是基于传统的机器学习的一种分类方法,它可以利用少量带标签的监督信息和大量无监督信息解决获取大量监督信息问题.将分类精度高、分类时间长的孪生支持向量机分类方法与迭代速度快、收敛速度快的的尺均值聚类方法结合,可以在基本不改变分类精度的前提下,大幅度缩减孪生支持向量机分类的样本数量,从而降低分类时计算的复杂度,缩短计算时间,最终缩短整个分类过程所需要时间,提高分类效率.
分类：期刊> 自然科学与工程技术> 工程科技II> 综合科技B类综合
收录：统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：高光谱图像 半监督分类 机器学习 孪生支持向量机 k均值聚类算法 样本缩减 分类精度
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
