本博客通过代码仿真介绍了如何使用处理后的数据集dataset_PaviaU.mat进行高光谱带选择。首先，数据从三维转换为二维并归一化，接着提取标注类别的值。然后，划分5%为训练集，其余为测试集，并将多个MAT文件合并。最后，使用TensorFlow和PyTorch进行仿真，展示了PaviaU和Indian_pines数据集的仿真结果。
代码仿真
本篇的数据集加载的时候不是原始的数据集，而是经过作者处理过的数据集dataset_PaviaU.mat，数据集下载链接如下：
(https://pan.baidu.com/s/1Ny5XRR0AZqCBTd_qZrY6-A). Code: 2cne
如果读者需要仿真其他的数据集，就需要对原始数据集进行修改！
接下来我们就以Indian_pines_corrected数据为例子来进行仿真。废话不多说，直接上干货。
1、data
1、将三维数据集换成二维
原始数据为：
经过如下命令：
>>data = reshape(indian_pines_corrected,200,21025);
参数21025等于145x145；
变换后的数据如图所示：
对data将数据进行归一化
执行命令语句
>>data = mapminmax
最低0.47元/天 解锁文章
扫一扫
9371
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
