题目:Dimensionality Reduction of HyperspectraI Image with Graph-Based Discriminant Analysis Considering Spectral Similarity
作者:FengF,LiW,DuQ,ZhangB
时间:Remote Sensing 2017.9 SCI
算法流程图:
本征图可视化:
在信噪比越小的数据中,参数λ的值会越大。这是因为信噪比越小,说明数据中有很多噪声可以影响闭值的选择,因此,需要一个调节参数来帮助选择阂值。一般情况下,信噪比越低,则需要更大的调节参数来调整,这样才能使能容忍的误差达到应用的要求。对于参数γ,它的作用是调节本征图的稀疏度。对比图3-5中的(a)(c),虽然这两个本征图具有相同的γ值,但是明显能看出来,(c)表现的更加稀疏。综上分析,两个参数λ和γ在构图过程中都起到了不可替代的作用。
1)Salians数据集测试结果:
及参数微调结果:
各算法在不同维数的结果:
2)Pavia数据集测试结果:
参数微调结果:
各算法在不同维数的结果:
标准化McNemar测试说明GDA-SS算法在分类精度上的提升对于其他算法是否有意义
算法鲁棒性测试:
1)不同距离相似度度量的图结构分类评估
2)应用噪声滤波后结果分析