Rough-Wavelet Feature Space, Deep Autoencoder, and Hyperspectral Image Classification

Prime objective of this letter is to select the most relevant features from the original set and perform two steps of feature extraction operations on those selected set, for the classification of hyperspectral remote sensing (HSRS) images. Neighborhood rough sets (NRSs)-based method is used for fea...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE geoscience and remote sensing letters Ročník 17; číslo 3; s. 489 - 493
Hlavní autor:	Meher, Saroj K.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 01.03.2020 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Classification Computer simulation Deep autoencoder (DAE) Feature extraction Hyperspectral imaging Image classification land use/covers classification Performance indices Performance measurement Principal component analysis Remote sensing remote sensing (RS) image Rough sets Spatial data Spectra Task analysis wavelet transform (WT) Wavelet transforms
ISSN:	1545-598X, 1558-0571
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!