文献类型：期刊文章

作　　者：杜培军[1] 王小美[1,2] 谭琨[1] 夏俊士[1]

机构地区：[1]中国矿业大学国土环境与灾害监测国家测绘局重点实验室,徐州市大学路1号221116 [2]黄河水利职业技术学院测绘工程系,开封市东京大道西段475004

出　　处：《武汉大学学报（信息科学版）》

基　　金：高等学校博士学科点专项科研基金资助项目(20070290516);国家自然科学基金资助项目(40871195);国家教育部留学回国人员科研启动基金资助项目

年　　份：2011

卷　　号：36

期　　号：2

起止页码：148-152

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSCD、CSCD2011_2012、EI(收录号：20111413898451)、GEOBASE、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基于最新的非线性降维方法——流形学习的理论,从高光谱遥感数据内在的非线性结构出发,采用全局化的等距映射(Isomap)方法进行降维,取得了优于常用的MNF方法的结果。把光谱角和光谱信息散度与测地距离相结合用于Isomap算法,结果在冗余方差和光谱规范化特征值方面优于采用传统欧氏距离计算邻域的Isomap方法。实验表明,流形学习是一种有效的高光谱遥感数据特征提取方法。

关 键 词：高光谱遥感 降维 流形学习 ISOMAP算法

分 类 号：P237.3]