对Semi-supervised classification for hyperspectral imagery based on *** 的理解

最新推荐文章于 2022-11-24 00:46:30 发布
最新推荐文章于 2022-11-24 00:46:30 发布
阅读量793 收藏 1
点赞数
分类专栏： 阅读文章-半监督 文章标签： 高光谱图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33856563/article/details/52711218
版权

文章Semi-supervised classification for hyperspectral imagery based on spatial-spectral Label Propagation中同样用到了类别转移发方法进行高光谱图像分类。

也是半监督的方法，大致流程

先选出一部分标记样本，然后利用类别转移从未标记样本中找出一部分未标记样本（标记样本的邻域），然后根据转移得到他们的类别。最后将新增的标记样本和最初始的标记样本放在一起给SVM进行分类。


细节：

1：利用PCA得到光谱信息（好处是可以减少计算量），构造光谱邻域矩阵,W^w

2：利用 Gabor滤波在得到的PCA上提取空间信息，构造空间邻域矩阵，W^s

3：结合两个矩阵，构造 图 laplacian 矩阵

4：构造概率转移矩阵 P=D^-1W

5：进行概率转移

最低0.47元/天 解锁文章
matrix0124
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
论文阅读：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS
qq_45402748的博客
12-27 712
论文阅读：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS目录Abstract1.INTRODUCTION2.FAST APPROXIMATE CONVOLUTIONS ON GRAPHS2.1 Spectral Graph Convolutions2.2 Layer-Wise Linear Model3 Semi-Supervised Node Classification3.1 Example3.2 Implementati
论文总结Classification of Hyperspectral Images Based on Multiclass Spatial–Spectral GAN
xiaojianzhao的博客
12-25 1078
参考论文：Classification of Hyperspectral Images Based on Multiclass Spatial–Spectral Generative Adversarial Networks 发表期刊：IEEE Transactions on Geoscience and Remote Sensing （IF2018：6.73） 用GAN来做分类的文章比较少，最近...
Vehicle Type Classification Using Semi-Supervised Convolutional Neural Network(泛读)
小胜爱捣鼓
01-31 2540
《Vehicle Type Classification Using Semi-Supervised Convolutional Neural Network》泛读笔记
【论文翻译】Bayesian graph convolutional neural networks for semi-supervised classifification
weixin_42552121的博客
11-28 1257
目录 摘要 1，引言 2，相关工作 3，背景 4，方法论 5，实验结果 6，结论及未来工作 摘要 近年来，将卷积神经网络应用于图结构数据的技术已经出现。图卷积神经网络(GCNNs)已被用于处理节点、图的分类和矩阵补全问题。虽然性能令人印象深刻，但目前的实现在图结构中合并不确定性的能力有限。几乎所有的gcnn处理一个图就好像它是对节点之间关系的基本真实描述一样，但在应用程序中使用的图本身通常来自于有噪声的数据或建模假设。可能包括伪边；在具有非常强关系的节点之间可能缺失其他...
全宇宙最详细：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS 文中所有的数学公式解析
qq_42902997的博客
10-24 1983
文章目录论文中使用的一些概念和推导CNN 平移不变性Graph 的特征提取操作Graph 卷积的频域卷积方法为什么要求图 G(V, E) 的拉普拉斯矩阵拉普拉斯矩阵和傅里叶变换的关系以下是论文内容ABSTRACTINTRODUCTION 论文中使用的一些概念和推导 可以先自己看论文，遇到公式推导的时候翻上来看这部分就可以 CNN 平移不变性 引文：卷积神经网络为什么具有平移不变性？ 不变性意味着即使目标的外观发生了某种变化，但是你依然可以把它识别出来 下图只是一个为了说明这个问题的例子。输入图像的左下
论文研究-Pointwise Manifold Regularization for semi-supervised classification.pdf
08-16
点状半监督流形正则化分类学习，汪云云，沈雅婷，流形正则化(MR)是经典半监督分类学习方法，同时利用有标记和无标记样本进行学习。依据流形假设，约束流形结构图上相似样本具有相��
Semi-supervised classification based on random subspace dimensionality reduction
02-21
Semi-supervised classification based on random subspace dimensionality reduction
semi -supervised classification with graph convolutional networks学习必记
01-07
采用图卷积中的一阶局部近似（即K=1），这部分的理解可以参考Chebyshev多项式作为GCN卷积核 当K=1 时有两个参数,模型scales linearly in the number of graph edges ,同时可以表征局部图结构和节点的特征： 3. 半...
[GCN] 代码解析 of GitHub：Semi-supervised classification with graph convolutional networks
01-21
本文解析的代码是论文Semi-Supervised Classification with Graph Convolutional Networks作者提供的实现代码。 原GitHub：Graph Convolutional Networks in PyTorch 本人增加结果可视化 (使用 t-SNE 算法) 的GitHub...
Safety-Aware Semi-Supervised Classification
02-09
Though semi-supervised classification learning has attracted great attention over past decades, semi-supervised classification methods may show worse performance than their supervised counterparts ...
【论文笔记】Semi-Supervised Graph Classification: A Hierarchical Graph Perspective
The_best_man的博客
01-07 1291
Semi-Supervised Graph Classification: A Hierarchical Graph Perspective Introduction 提出Self-Attentive Graph Embedding method(SAGE)方法，能够将变化的Graph Instance结合每个Node根据有Graph的重要性产生固定长度的向量 Challenges Size invariance：如何能够灵活地将任意大小的Graph Instance转换为固定长度的embedding
Generative Adversarial Networks for Hyperspectral Image Classification
a601165974的博客
04-20 2011
Generative Adversarial Networks for Hyperspectral image Classification摘要简介背景如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FL...
基于稀疏表示的分类方法 Sparse Representation based Classification Method
Jingyang.Zhang的博客
09-02 1万+
文章来源 Jia K, Chan T H, Ma Y. Robust and practical face recognition via structured sparsity[J]. Computer Vision–ECCV 2012, 2012: 331-344.Highlight 作为一种 sparse representation based classification method（S
阅读 Label Propagation through Linear Neighborhoods 感想
qq_33856563的博客
09-30 804
文章 Label Propagation through Linear Neighborhoods  中给出了一种类别转移的方法，通过迭代对未标记样本进行标记。 公式中ti是最初始的样本类别，w_ij 是权重。通过迭代获得最后的未标记样本的类别。 通过分析得到，最后的收敛的解是和公式（13）是一致的。 特点： 1：不用求矩阵的逆。 2：在构造w_ij的时候利用 和LLE类似的思想
[CVPR2022] ACPL: Anti-curriculum Pseudo-labelling for Semi-supervised Medical Image Classification
weixin_45807767的博客
11-24 1324
ACPL: Anti-curriculum Pseudo-labelling for Semi-supervised Medical Image Classification
AAAI 2019 论文解读：卷积神经网络继续进步
weixin_34224941的博客
02-02 1869
卷积神经网络（CNN）近年来已经取得了很大的成功，但研究者仍在进一步推进研究前沿，提出新的思路和方法。在本文中，技术分析师 Joshua Chou 将解读三篇有关卷积神经网络的 AAAI 2019 论文。其中第一篇提出了一种 dropout 改进方法，第二篇和第三篇则是图卷积网络方面的研究。分析师简介：Joshua 已于 2018 年取得多伦多大学应用科学硕士（MASc）学位。他的研究重心是格形码...
【论文】Semi-Supervised Classification with Graph Convolutional Networks
安静
02-27 643
Semi-Supervised Classification with Graph Convolutional Networks1 Introduction2 Fast Approximate Convolutions on Graphs2.1 Spectral Graph Convolutions2.2 Layer-Wise Linear Model3 Semi-Supervised Node ...
图神经网络（十四）Hierarchical Graph Convolutional Networks for Semi-supervised Node Classification
码匀的博客
03-18 1584
本文作者来自中科院，文章被收录于IJCAI 2019。当前基于邻域聚集的GCN模型大多数是浅层的，并且缺乏“图池化”机制，这使得模型无法获得足够的全局信息。为了增加感受域，本文提出了一种深层层次图卷积网络（H-GCN），H-GCN首先将结构相似的节点重复聚集到超节点，然后将粗化后的图细化为原始图，以恢复每个节点的表示。该粗化过程不是简单地聚合一跳或两跳的邻域信息，而是扩大了每个节点的接受范围，从而可以捕获更多的全局信息。H-GCN模型在不同的公共基准图数据集上获得了较高的性能提升。源码在此 Introduc
GCN - Semi-Supervised Classification with Graph Convolutional Networks 用图卷积进行半监督节点分类 ICLR 2017
热门推荐
知行合一，止于至善
08-07 1万+
文章目录Abstract1.Intruduction2.Fast Approximate Convolutions on Graphs（图的快速近似卷积）2.1 SpectralGraph Convolutins（谱图卷积）补充证明2.2 Layer-wise Linear Model（逐层线性模型）3. Semi-supervised Node Classfication（半监督节点分类）3.1...
Semi-Supervised Classification with Graph Convolutional Networks
最新发布
05-17
Semi-supervised classification with graph convolutional networks (GCNs) is a method for predicting labels for nodes in a graph. GCNs are a type of neural network that operates on graph-structured data...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值