一种基于多层卷积网络与数据重组折叠的高光谱数据分类方法

摘要

一种基于多层卷积网络与数据重组折叠的高光谱数据分类方法，其步骤如下：一、对三维高光谱数据展开分类前进行预处理，获得包含有效光谱信息的数据矩阵与标签向量；二、对数据矩阵进行特征扩维，并对特征维进行按列折叠重组，获得重组的三维高光谱数据输入矩阵；三、设定多层卷积网络结构参数与初始值；四、利用前向传播与BP算法逐层计算特征与误差，并对网络权值与偏置进行更新，不断迭代获得网络稳定参数，最终获得能够用于分类的网络模型与参数。相比于其他方法，该方法原理清楚，结构清晰，识别时间短，同时探测辨识率高，是针对高光谱数据的一个有效分类方法，适用于高光谱图像快速目标探测与分类识别应用。

主权项

一种基于多层卷积网络与数据重组折叠的高光谱数据分类方法，其特征在于所述方法步骤如下：一、对三维高光谱数据展开分类前进行预处理，获得包含有效光谱信息的数据矩阵与标签向量二、对数据矩阵进行特征扩维，并对特征维进行按列折叠重组，获得重组的三维高光谱数据输入矩阵三、设定多层卷积网络结构参数与初始值；四、利用前向传播与BP算法逐层计算特征与误差，并对网络权值与偏置进行更新，不断迭代获得网络稳定参数，最终获得能够用于分类的网络模型与参数。