-
公开(公告)号：CN105574548B
公开(公告)日：2019-04-26
申请号：CN201510977094.2
申请日：2015-12-23
Applicant: 北京化工大学
Abstract: 一种基于稀疏和低秩表示图的高光谱数据降维方法，通过L1范数获取稀疏表示特性，低秩表示的具有保持全局数据结构的特征，本方法通过核范数保持图的低秩特性。本方法包括如下技术内容，1)从原始的高光谱数据中选取一定量的数据用作训练样本。2)对所选的训练样本进行稀疏和低秩表示图的构造。3)通过最优化准则，寻求最优的投影矩阵，使在投影后的低维流形空间里保持2中所构造的图的特性。在原始空间中学习到的样本点间稀疏和低秩表示的特性，通过寻求一个变换投影矩阵，把数据投影到低维流形空间，同样也保持样本点间稀疏和低秩表示的特性。
-
公开(公告)号：CN105574548A
公开(公告)日：2016-05-11
申请号：CN201510977094.2
申请日：2015-12-23
Applicant: 北京化工大学
CPC classification number: G06K9/6267 , G06T3/0031
Abstract: 一种基于稀疏和低秩表示图的高光谱数据降维方法，通过L1范数获取稀疏表示特性，低秩表示的具有保持全局数据结构的特征，本方法通过核范数保持图的低秩特性。本方法包括如下技术内容，1)从原始的高光谱数据中选取一定量的数据用作训练样本。2)对所选的训练样本进行稀疏和低秩表示图的构造。3)通过最优化准则，寻求最优的投影矩阵，使在投影后的低维流形空间里保持2中所构造的图的特性。在原始空间中学习到的样本点间稀疏和低秩表示的特性，通过寻求一个变换投影矩阵，把数据投影到低维流形空间，同样也保持样本点间稀疏和低秩表示的特性。
-
Search Results
2
records
(took 0.014 seconds)
