Rochester Institute of Technology;
机译:基于UL-Isomap的非线性降维用于高光谱图像分类
机译:基于三维卷积对抗的自动化模型的半质量高光谱图像,具有低样本要求
机译:基于集成学习的多核主成分分析用于高光谱图像降维和分类
机译:多维像素卷积神经网络的高光谱图像分类
机译:高光谱遥感影像的非线性研究。
机译:近红外高光谱图像的深度光谱空间特征用于像素的食品分类
机译:加利福尼亚州旧金山湾区多季节高光谱图像的一维卷积神经网络土地覆盖分类
机译:用最小描述长度估计高光谱图像的维数