排序方式: 共有5条查询结果,搜索用时 546 毫秒
1
1.
在高光潜影像的分类过程中,往往无法获取足够数量的训练样本点,这是由于影像数据维数的大幅增加以及地面信息的复杂程度所决定的。EM算法的应用可以有效地缓解训练样本点数量与数据维数比率过小的矛盾,但该算法只能保证获得各参数的局部极大估值,因此选取合适的起始点就成为获得理想分类结果的前提条件。由于类别可分性对EM算法的估值精度有直接影响,本文论证了通过对训练样本点进行低通滤波,可以使类别可分性得到改善。实验表明,在此基础上进行EM算法,可以得到较为理想的处理结果。 相似文献
2.
3.
4.
高光谱影像分类EM算法的完善 总被引:2,自引:0,他引:2
在高光谱影像分类过程中,往往无法获取足够数量的训练样本,使得类别分布参数估值精度降低,并最终影响分类结果.EM方法为该类问题的解决提供了途径,但由于地面信息的复杂性及算法自身的原因,将其应用于高光谱影像的分类仍有许多待完善之处.文中叙述了该算法的完善策略,包括借助低通滤波器获得各参数更为合理的初值,以及如何克服噪声对该算法的影响.实验表明,经过完善的EM方法具有很强的适用性,可以获得精度更高的分类结果. 相似文献
5.
1