基于监督局部线性嵌入特征提取的高光谱图像分类

摘要

高光谱图像的数据维数高、数据量大、数据间高度冗余等特点给图像分类带来困难.为进行有效降维、提高分类精度,提出了一种监督局部线性嵌入(SLLE)非线性流形学习特征提取方法.SLLE算法根据数据先验类标签信息所给出的新距离寻找数据点的k最近邻(NN),新距离使得类内距离小于类间距离,这使得SLLE算法更有利于分类.高光谱图像数据和UCI数据的分类结果表明了该方法的有效性.