New framework for hyperspectral band selection using modified wind-driven optimization algorithm

The presence of irrelevant and highly correlated spectral bands significantly reduces the classification accuracy of the hyperspectral images. Therefore, the selection of suitable bands from the set of available spectral bands plays a crucial role in improving the classification accuracy. In this pa...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	International journal of remote sensing Ročník 40; číslo 20; s. 7852 - 7873
Hlavní autoři:	Sawant, Shrutika S., Manoharan, Prabukumar
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	London Taylor & Francis 18.10.2019 Taylor & Francis Ltd
Témata:	Accuracy Aesculus air Algorithms Band spectra Classification Colleges & universities Convergence data collection Datasets Deep learning Exploitation Exploration Feature extraction Global optimization Heuristic methods Hyperspectral imaging Image classification Machine learning Performance enhancement Spectral bands system optimization Wind
ISSN:	0143-1161, 1366-5901, 1366-5901
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!