计算机应用研究

作者：曹鹤玲,宋昌隆,楚永贺,

单位：河南工业大学a.信息科学与工程学院;b.河南省粮食信息处理国际联合实验室;c.粮食信息处理与控制教育部重点实验室,郑州450001；

关键词：宽度学习系统,高光谱图像,类间流形结构,类内流形结构,

基金：国家自然科学基金资助项目(6220071360,61602154)；河南省高等学校重点科研项目(22A520024)；河南工业大学青年骨干教师培育项目；河南省重大公益专项(201300311200)；；

宽度学习系统（BLS）以其良好的学习性能与泛化能力，在高光谱图像（HSI）分类中得到了广泛应用。然而宽度学习系统仅关注各类样本的可分性，忽略了样本之间的相对关系以及所蕴涵的判别信息，在一定程度上限制了宽度学习系统在高光谱图像分类任务中的性能。为此，提出一种局部敏感判别的宽度学习系统（LSDBLS）方法。该方法通过引入局部敏感判别分析考虑标记样本的判别信息与数据样本的局部流形结构，通过标记样本构建类内图和类间图来表征数据样本之间的相对关系。在此基础上，将类内图和类间图引入到宽度学习系统的目标函数中，通过最小化类内图以及最大化类间图，使得同类样本尽可能地聚集，不同类的样本尽可能地远离，增强LSDBLS对数据特征的判别能力。通过在三个HSI数据集上的实验结果表明，LSDBLS取得了良好的效果。

来源：2023年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第4期