本文主要研究内容
作者杨承文,李吉明,杨东勇（2019）在《基于深度贝叶斯主动学习的高光谱图像分类》一文中研究指出：针对高光谱图像分类中标记样本获取费时费力,无标记数据难以得到有效利用以及主动学习与深度学习结合难等问题,结合贝叶斯深度学习与主动学习的最新进展,提出一种基于深度贝叶斯的主动学习高光谱图像分类算法。利用少量标记样本训练一个卷积神经网络模型,根据与贝叶斯方法结合的主动学习采样策略从无标记样本中选择模型分类最不确定性的样本,选取的样本经人工标记后加入到训练集重新训练模型,减小模型不确定性,提高模型分类精度。通过PaviaU高光谱图像分类的实验结果表明,在少量的标记样本下,提出的方法比传统的方法分类效果更好。
Abstract
zhen dui gao guang pu tu xiang fen lei zhong biao ji yang ben huo qu fei shi fei li ,mo biao ji shu ju nan yi de dao you xiao li yong yi ji zhu dong xue xi yu shen du xue xi jie ge nan deng wen ti ,jie ge bei xie si shen du xue xi yu zhu dong xue xi de zui xin jin zhan ,di chu yi chong ji yu shen du bei xie si de zhu dong xue xi gao guang pu tu xiang fen lei suan fa 。li yong shao liang biao ji yang ben xun lian yi ge juan ji shen jing wang lao mo xing ,gen ju yu bei xie si fang fa jie ge de zhu dong xue xi cai yang ce lve cong mo biao ji yang ben zhong shua ze mo xing fen lei zui bu que ding xing de yang ben ,shua qu de yang ben jing ren gong biao ji hou jia ru dao xun lian ji chong xin xun lian mo xing ,jian xiao mo xing bu que ding xing ,di gao mo xing fen lei jing du 。tong guo PaviaUgao guang pu tu xiang fen lei de shi yan jie guo biao ming ,zai shao liang de biao ji yang ben xia ,di chu de fang fa bi chuan tong de fang fa fen lei xiao guo geng hao 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机工程与应用的杨承文,李吉明,杨东勇，发表于刊物计算机工程与应用2019年18期论文，是一篇关于高光谱遥感图像论文,贝叶斯深度学习论文,主动学习论文,分类论文,计算机工程与应用2019年18期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机工程与应用2019年18期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：高光谱遥感图像论文; 贝叶斯深度学习论文; 主动学习论文; 分类论文; 计算机工程与应用2019年18期论文;