一种基于小波宽度学习系统的高光谱分类方法

摘要

本申请本申请提出了一种基于小波宽度学习系统的高光谱分类方法，该方法在高光谱分类中应用了宽度学习系统去训练和分类，结合了宽度学习系统，相比基于传统深度学习网络的方法，可以动态地拓展节点提高系统的识别率而不需要完全重新建立和训练模型，具有更加快速以及更加高效的优势；通过成像光谱仪设备对高光谱图像进行采集，再对采集的图像通过先进行去噪，在对其中的特征值进行选取和提取，最后通过小波宽度学习对图像进行分类；另外，在特征提取时采用了核主成分分析方法，并使用了小波基函数作为特征层的激励函数，这使得网络的非线性拟合能力得到提高。