基于群张量模型降维的高光谱图像分类

Scidown文献预览系统！

作者：scidown 发布时间：2021-07-06 11:23:39 文章标题：

基于群张量模型降维的高光谱图像分类( Dimensionality Reduction Based on Group-Based Tensor Model for Hyperspectral Image Classification )

文章作者：

J An X Zhang LC Jiao Tensile stress Correlation Hyperspectral imaging Covariance matrices Principal component analysis Matrix converters

文章简述：

降维是提高高光谱图像(HSI)分类性能的重要任务之一，得到了广泛的研究。传统的降维方法首先将高光谱数据立方体转换为矩阵，然后利用矩阵代数进行降维，通常不考虑数据的空间结构。为了联合利用光谱和空间信息，将HSI视为张量的研究受到了越来越多的关注。在这封信中，我们提出了一个基于群的张量模型用于他的降维。通过将原始的HSI张量分割成大量的小张量并将其聚类，探索了HSI立方体的局部和非局部空间信息。最后将聚类投影到低秩子空间中，得到合适的特征空间。在两个真实的高光谱数据集上的实验结果表明了该算法对HSI降维的有效性。

文章下载地址（开放版）：