1.一种半监督小样本深度学习图像模式分类识别方法,其特征在于:该方法包括以下步骤: S1:对图像样本进行预处理; S2:将预处理得到的数据输入训练好的网络中,网络通过3D卷积层进行特征提取,得到特征图层; S3:每个卷积层后接一个池化层,用于缩小特征图层的大小以减少网络中参数的数目; S4:将经过多层卷积层和池化层提取...
专利权项:1.基于小样本学习的高光谱图像半监督分类方法,其特征在于,包括:1从高光谱数据库中挑选出IndianPines、KSC、Salinas、PaviaUniversity和Botswana五个数据集,分别进行读取,得到每个数据集中的三维矩阵数据域为m×n×h,标签域为二维矩阵m×n,其中h代表高光谱图像的光谱维度,m,n表示某一光谱上像元的位置;2对1...
其中sij表示第i个和第j个训练样本之间的距离,g(i)和g(j)分别表示第i个和第j个训练样本的坐标,hf(i)和hf(j)分别表示第i个和第j个训练样本提取的特征;r(wf)表示正则化项;当训练样本i与j相邻时,sij就会越大,参数wfvf(i)和wfvf(j)的差距就会越小,从而使特征hf(i)和hf(j)也相邻。 进一步,所述r(w...