Hyperspectral data clustering based on density analysis ensemble
Hyperspectral data clustering based on density analysis ensemble
复制标题
基于密度分析集成的高光谱数据聚类
DOI：
10.1080/2150704x.2016.1249295
复制
发表时间：
2017-02
影响因子：
2.3
通讯作者：
Xi Chen
中科院分区：
文献类型：
--
作者：
Yushi Chen;Xi Chen
本文从不同的角度提出了一种新的高光谱数据聚类方法--密度分析集成。代替传统聚类方法中基于距离的度量，我们使用密度分析的高光谱数据聚类。此外，为了提高性能，我们使用随机子空间集成方法制定了一组聚类系统。最终结果通过多数表决得出。与k-means方法相比，萨利纳斯大学和帕维亚大学的数据集的整体精度分别提高了7.05%和6.93%。
ABSTRACT In this letter, we present a new hyperspectral data-clustering method, named density analysis ensemble, from a different perspective. Instead of distance-based metrics in traditional clustering methods, we use density analysis for hyperspectral data clustering. Moreover, in order to improve the performance, we use the random subspace ensemble method to formulate a set of clustering systems. The final results are retrieved through majority voting. Compared to the k-means method, the overall accuracies have been improved by 7.05% and 6.93% for the Salinas and Pavia University data sets, respectively.
登录
查看更多内容
DOI：
10.1109/igarss.2013.6721358
发表时间：
2013-07
期刊：
2013 IEEE International Geoscience and Remote Sensing Symposium - IGARSS
影响因子：
--
作者：
Pedram Ghamisi;J. Benediktsson;M. Ulfarsson
通讯作者：
Pedram Ghamisi;J. Benediktsson;M. Ulfarsson
优化子空间 SVM 集成以进行高光谱图像分类
DOI：
10.1109/jstars.2014.2307356
发表时间：
2014-04-01
影响因子：
5.5
作者：
Chen, Yushi;Zhao, Xing;Lin, Zhouhan
通讯作者：
Lin, Zhouhan
DOI：
10.1109/jstsp.2010.2096797
发表时间：
2011-06-01
影响因子：
7.5
作者：
Hung, Chih-Cheng;Kulkarni, Sameer;Kuo, Bor-Chen
通讯作者：
Kuo, Bor-Chen
DOI：
10.1109/igarss.2015.7325966
发表时间：
2015-07
期刊：
2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)
影响因子：
--
作者：
Guihua Tang;Sen Jia;Jun Yu Li
通讯作者：
Guihua Tang;Sen Jia;Jun Yu Li
DOI：
--
发表时间：
1999
期刊：
--
影响因子：
--
作者：
J. Richards
通讯作者：
J. Richards