久热精品在线视频,思思96精品国产,午夜国产人人精品一区,亚洲成在线a

  • <sub id="y9mkp"></sub>
    <sub id="y9mkp"><ol id="y9mkp"><abbr id="y9mkp"></abbr></ol></sub>

    1. <style id="y9mkp"><abbr id="y9mkp"><center id="y9mkp"></center></abbr></style>
      <legend id="y9mkp"><u id="y9mkp"></u></legend>
      <s id="y9mkp"></s>

      基于鄰域最小生成樹的半監(jiān)督極化SAR圖像分類方法

      滑文強(qiáng); 王爽; 郭巖河; 謝雯 西安郵電大學(xué)計算機(jī)學(xué)院; 西安710121; 西安郵電大學(xué)陜西省網(wǎng)絡(luò)數(shù)據(jù)分析與智能處理重點實驗室; 西安710121; 智能感知與圖像理解教育部重點實驗室國際智能感知與計算聯(lián)合研究中心西安電子科技大學(xué); 西安710071

      關(guān)鍵詞:極化sar圖像 地物分類 半監(jiān)督 最小生成樹 

      摘要:該文針對極化SAR圖像分類中只有少量標(biāo)記樣本的問題,提出了一種基于鄰域最小生成樹的半監(jiān)督極化SAR圖像分類方法。該方法針對極化SAR圖像以像素為分類對象的特點,結(jié)合自訓(xùn)練方法的思想,利用極化SAR圖像像素點的空間信息,提出了基于鄰域最小生成樹輔助學(xué)習(xí)的樣本選擇策略,增加自訓(xùn)練過程中被選擇無標(biāo)記樣本的可靠性,擴(kuò)充標(biāo)記樣本數(shù)量,訓(xùn)練更好的分類器。最終用訓(xùn)練好的分類器對極化SAR圖像進(jìn)行測試。對3組真實的極化SAR圖像進(jìn)行測試,實驗結(jié)果表明,該方法在只有少量標(biāo)記樣本的情況下能獲得滿意的分類結(jié)果,且分類正確率明顯優(yōu)于傳統(tǒng)的分類算法。

      雷達(dá)學(xué)報雜志要求:

      <一>計量單位、數(shù)字、符號 文稿必須使用法定的計量單位符號。

      <二>正文標(biāo)題:文內(nèi)各級標(biāo)題題號一律頂格書寫,標(biāo)題題號分級采用1;1.1;1.1.1等標(biāo)注形式。結(jié)構(gòu)層次不宜過多,一般為二級或三級。

      <三>文稿應(yīng)具嚴(yán)謹(jǐn)?shù)目茖W(xué)性,并有一定先進(jìn)性和實用性。內(nèi)容重點突出,文字務(wù)必簡練、準(zhǔn)確、通順,字跡清楚。

      <四>基金課題論文所涉及的課題如是國家或部、省、市級以上基金項目或攻關(guān)項目,應(yīng)在文題頁左下角橫線下注明“基金項目。

      <五>引言作為論文的開場白,應(yīng)以簡短的篇幅介紹論文的研究背景和目的,對相關(guān)領(lǐng)域內(nèi)前人所做的工作和研究進(jìn)行簡要的概括。

      注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社

      雷達(dá)學(xué)報

      北大期刊
      1-3個月下單

      關(guān)注 5人評論|0人關(guān)注
      相關(guān)期刊
      服務(wù)與支付