高光谱数据集实验

实验目的

对Indian pines 和PaviaU两个高光谱数据集中土地覆盖分类的预测

实验原理

首先使用PCA对数据进行降维，然后采用2D卷积神经网络进行训练。在训练之前由于数据集中每类数据的数量差距比较大，首先对数据进行过采样，为了提高训练速度还应进行归一化的操作。

实验流程

1. 数据预处理

          1.1挑选训练样本

          1.2类平衡处理（过采样）

          1.3 特征归一化

          1.4 特征降维

      2. 训练模型

           2.1 神经网络结构

           2.2 参数设置

           2.3 采用5-fold交叉验证

Indian pines数据预处理与网络结构

PaviaU数据预处理与网络结构

实验结果

Indian pines

Overall Accuracy	99.14
Average Accuracy	99.06
Kappa	0.99

Confusion Matrix：

PaviaU

Overall Accuracy	85.42
Average Accuracy	81.02
Kappa	0.83