郑州大学学报(理学版)

2021, v.53(02) 34-40

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

VW-SAE一种改进的光谱数据特征表示方法
VW-SAE: an Improved Method of Spectral Data Representation

胡晓勇;王海荣;刘午杨;

摘要(Abstract):

针对高光谱图像维度高、目标特征提取不准确的问题,提出了一种可变加权堆叠式自编码器(variable-wise weighted stacked autoencoder, VW-SAE)的光谱数据特征表示方法。VW-SAE方法在堆叠式自编码器(SAE)的基础上,从每个AE的输入层中识别出重要的变量,通过对输出变量的相关性分析,将输出信息映射在AE目标函数的不同变量,引入不同的权值进行训练,逐层提取获得与输出相关的特征,并将其堆叠形成深网络。通过对每层网络权重的调控,在降低光谱数据维度的过程中,更好地提取光谱数据中的特征信息,进而提高了预测模型的精度。为验证方法的有效性,使用已采集的10 248张水稻图像,在堆叠式自编码器结合全连接神经网络(SAE-FNN)的基础上,搭建了VW-SAE-FNN模型对水稻氮元素进行检测,实验结果表明该方法与SAE方法相比准确率明显提升。

关键词(KeyWords): 高光谱图像;可变加权;堆叠式自编码器;权重;氮元素

Abstract:

Keywords:

基金项目(Foundation): 自治区重点研发计划(引才专项)项目(2018BEB04002);; 国家级创新创业项目(2019-11407-032);; 北方民族大学校级重点科研项目(2019KJ26)

作者(Author): 胡晓勇;王海荣;刘午杨;

Email:

DOI: 10.13705/j.issn.1671-6841.2020278

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享