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
- 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 |