机译:基于三维经验模式分解的功能强大的多任务学习,用于高光谱分类
SYSU, Ctr Integrated Geog Informat Anal, Sch Geog & Planning, Guangdong Prov Key Lab Urbanizat & Geosimulat, Guangzhou 510275, Guangdong, Peoples R China;
SYSU, Ctr Integrated Geog Informat Anal, Sch Geog & Planning, Guangdong Prov Key Lab Urbanizat & Geosimulat, Guangzhou 510275, Guangdong, Peoples R China|Univ Cincinnati, Dept Geog, Cincinnati, OH 45221 USA;
Hyperspectral image (HSI); Classification; Three-dimensional empirical mode decomposition (3D-EMD); Multitask learning; Sparse; Low-rank;
机译:基于经验模式分解和基于形态小波的特征的核稀疏多任务学习
机译:面向类的多任务学习的高光谱图像的快速三维经验模式分解
机译:多任务特征学习满足EEG分类的强大张量分解
机译:具有基于多元经验模式分解的特征的高光谱图像分类
机译:流形学习,可对高光谱数据进行可靠分类。
机译:主动学习加深度学习可以为多通道图像建立成本效益和强大的模型:一个关于高光谱图像分类的案例
机译:主动转移学习网络:高光谱图像分类的统一深度联接光谱空间特征学习模型