TY -的A2 - Chan乔纳森C.-W。盟兴,陈盟——马,李盟——杨Xiaoquan PY - 2016 DA - 2015/11/30 TI -堆叠降噪Autoencoder基于高光谱图像特征提取和分类SP - 3632943六世- 2016 AB -深学习方法已经成功地应用于特性表征高维数据中学习,在学习特性能够揭示非线性属性数据中展出。本文深度学习的方法是利用高光谱数据的特征提取和分类任务的提取功能可以提供良好的辨别力。训练一个网络特征提取和分类包括无监督pretraining和监督微调。我们利用堆叠降噪autoencoder pretrain网络(SDAE)方法,强大的噪音。顶层的网络,逻辑回归(LR)方法是用来执行监督微调和分类。从稀疏的特性可能会提高分离能力,我们利用修正线性单元(ReLU)激活函数SDAE提取高水平和稀疏的特性。实验结果使用Hyperion、AVIRIS和防治高光谱数据表明SDAE pretraining会同LR微调和分类(SDAE_LR)可以获得更高的精度比流行的支持向量机(SVM)分类器。SN - 1687 - 725 - 2016/3632943 / 10.1155 x你——https://doi.org/10.1155/2016/3632943——摩根富林明-《传感器PB Hindawi出版公司KW - ER