- 博客(0)
- 资源 (6)
- 收藏
- 关注
LaTex数学符号
latex数学符号。是一种基于ΤΕΧ的排版系统,由美国计算机学家莱斯利·兰伯特(Leslie Lamport)在20世纪80年代初期开发,利用这种格式,即使使用者没有排版和程序设计的知识也可以充分发挥由TeX所提供的强大功能,能在几天,甚至几小时内生成很多具有书籍质量的印刷品。对于生成复杂表格和数学公式,这一点表现得尤为突出。因此它非常适用于生成高印刷质量的科技和数学类文档。这个系统同样适用于生成从简单的信件到完整书籍的所有其他种类的文档。
2018-11-28
基于散列的分层特征表示的高光谱 图像分类方法
近来,有两种方法被广泛研究,(1)应用多特征融合策略. (2)设计光谱空间特征提取算法。本文结合了多特征融合和特征提取的优势,提出了一个基于集成的分层特征表示的方法。
本文方法由三个级联层组成:
(1)从高光谱图像中提取多个特征(包括局部特征,全局特征以及光谱特征)
(2)在第一层获得得特征上使用基于散列的特征表示方法
(3)极端学习机(简单有效)用来获得最终的分类结果。
在一定程度上来说,本文方法是多特征融合和特征提取的结合,但是除了使用特征融合策略或者是单一的特征提取,还使用了一个集成的策略来提供高光谱图像的一个分层特征表示。实验结果说明了本文方法相对一些只是用多特征融合或者是只使用特征提取的方法的优势。
2018-11-28
基于扩展随机游走的高光谱图像分类
本文介绍了一种基于扩展随机游走(ERW)的高光谱图像光谱空间分类方法,该方法包括两个主要步骤。首先,采用广泛使用的像素分类器,即支持向量机(SVM)来获得高光谱图像的分类概率图,其反映了每个高光谱像素属于不同类别的概率。然后,利用ERW算法优化所获得的像素概率图在加权图中编码高光谱图像的空间信息。具体地,基于三个因素确定测试像素的类别,即,由SVM分类器学习的像素统计信息,空间相关性。在由图形边缘的权重建模的相邻像素之间,以及由随机步行者建模的训练和测试样本之间的连通性。由于这三个因素在基于ERW的全局优化框架中都得到了很好的考虑,因此该方法对三个因子表现出非常好的分类性能。即使训练样本的数量相对较少,也广泛使用真实的高光谱数据集。
2018-11-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人