[发明专利]局部相似性保持的高光谱图像极限学习机聚类方法有效
| 申请号： | 201711488221.8 | 申请日： | 2017-12-30 |
| 公开（公告）号： | CN108197650B | 公开（公告）日： | 2021-10-26 |
| 发明（设计）人： | 肖亮;徐金环 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 陈鹏 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种局部相似性保持的高光谱图像极限学习机聚类方法，其步骤为：组织高光谱像元矩阵；计算隐层神经元的线性随机响应；计算隐层神经元的非线性激活值；隐层特征数据三维重组；空间引导滤波；滤波后的隐层特征数据二维重组；构造局部相似性保持正则项及优化模型；计算局部相似性保持投影特征，并进行K‑means聚类得到最终的聚类标签。本发明在传统极限学习机的基础上，通过引导滤波综合局部邻域的高光谱图像空间信息，并充分利用高光谱的光谱局部相似性，通过模型优化计算具有局部保持性的投影，提取空谱联合信息，提高了聚类精度，降低了计算复杂度，可广泛应用于国土资源、矿产调查和精准农业领域的高光谱无监督分类。 | ||
| 搜索关键词： | 局部 相似性 保持 光谱 图像 极限 学习机 方法 | ||
【主权项】：
1.一种局部相似性保持的高光谱图像极限学习机聚类方法，其特征在于，该方法包括如下步骤：步骤1，组织高光谱像元矩阵；步骤2，计算隐层神经元的线性随机响应；步骤3，计算隐层神经元的非线性激活值；步骤4，隐层特征数据三维重组；步骤5，空间引导滤波；步骤6，滤波后的隐层特征数据二维重组；步骤7，构造局部相似性保持正则项及优化模型；步骤8，计算局部相似性保持投影特征，并进行K‑means聚类得到最终的聚类标签。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711488221.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种太赫兹图像聚类分析方法及系统
- 下一篇：一种基于振动传感器的车辆识别方法
