包郵圖卷積神經網絡及其在高光譜影像分類中的應用

作者：張志利著

出版社：科學出版社出版時間：2025-01-01

開本：其他頁數： 154

本類榜單：計算機/網絡銷量榜

中圖價:¥82.5(7.5折) 定價 ~~¥110.0~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

本類五星書更多>

>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用

全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用

¥14.4¥45
>
決戰行測5000題(言語理解與表達)

決戰行測5000題(言語理解與表達)

¥44.1¥88
>
軟件性能測試.分析與調優實踐之路

軟件性能測試.分析與調優實踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續交付

JAVA持續交付

¥58.1¥119
>
EXCEL最強教科書(完全版)(全彩印刷)

EXCEL最強教科書(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學習

深度學習

¥92.4¥168

商品詳情
商品評論(0條)

中圖價:¥82.5 加入購物車

版權信息
內容簡介
目錄

圖卷積神經網絡及其在高光譜影像分類中的應用版權信息

ISBN：9787030797995
條形碼：9787030797995 ; 978-7-03-079799-5
裝幀：平裝
冊數：暫無
重量：暫無
所屬分類：
計算機/網絡
>
圖形圖像多媒體
>
其他

圖卷積神經網絡及其在高光譜影像分類中的應用內容簡介

本書主要介紹作者團隊在圖卷積神經網絡高光譜影像分類方法設計方面的理論研究及應用成果。全書共6章。第1章介紹研究背景，概述高光譜影像分類現狀和存在的問題，以及圖神經網絡的基礎知識和實驗采用評價指標。第2～6章介紹多種基于圖神經網絡的半監督/無監督高光譜遙感影像分類方法，包括圖樣本聚合高光譜影像特征提取與分類方法、CNN卷積與圖卷積相結合的高光譜影像特征提取與分類方法、自回歸滑動平均高光譜影像特征提取與分類方法、自適應濾波器-聚合器高光譜影像特征提取與分類方法、無監督低通圖神經網絡高光譜影像特征提取與聚類方法。

圖卷積神經網絡及其在高光譜影像分類中的應用目錄

目錄“信息感知測量前沿技術叢書”序前言第1章緒論 11.1 背景與意義 11.2 國內外研究現狀 41.2.1 高光譜影像特征提取與分類發展現狀 41.2.2 圖神經網絡高光譜影像特征提取與分類發展現狀 71.3 圖神經網絡綜述 91.3.1 圖神經網絡發展歷史 91.3.2 圖神經網絡與網絡嵌入 91.3.3 圖神經網絡與圖核方法 101.3.4 圖神經網絡主要模型 101.4 評價指標 151.5 研究內容 17第2章圖樣本聚合高光譜影像特征提取與分類 202.1 引言 202.2 圖樣本聚集 212.2.1 傳播規則 212.2.2 聚合器函數 222.3 上下文感知學習的多尺度圖樣本聚合高光譜影像分類 232.3.1 局部區域分割 232.3.2 多尺度操作 242.3.3 上下文感知學習與圖形重構 252.4 實驗結果與分析 282.4.1 實驗設置 282.4.2 分類結果對比分析 292.4.3 不同數量的訓練樣本對MSAGE-CAL方法性能影響分析 332.4.4 消融實驗 342.4.5 訓練時間對比分析 352.5 本章小結 36第3章 CNN卷積與圖卷積相結合的高光譜影像特征提取與分類 373.1 引言 373.2 卷積神經網絡 383.3 MFGCN高光譜影像分類 403.3.1 像素到區域分配和光譜特征轉換 403.3.2 多尺度GCN的方法 423.3.3 多尺度CNN的方法 423.3.4 多特征融合與區域到像素分配 433.3.5 基于MFGCN的高光譜影像分類 433.4 實驗結果與分析 443.4.1 實驗設置 443.4.2 分類結果對比分析 453.4.3 超參數的選擇 503.4.4 消融實驗 523.4.5 不同數量的訓練樣本對MFGCN方法性能影響分析 533.5 本章小結 54第4章自回歸滑動平均高光譜影像特征提取與分類 564.1 引言 564.2 自回歸滑動平均卷積核實現 574.3 DARMA-CAL高光譜影像分類 584.3.1 像素到區域轉換和圖構建 584.3.2 ARMA圖卷積層 604.3.3 具有稠密連接的鄰域聚合 614.3.4 基于注意力的全局分層聚合 624.3.5 基于DARMA-CAL的高光譜影像分類 634.4 實驗結果與分析 644.4.1 實驗設置 644.4.2 分類結果對比分析 654.4.3 不同數量的訓練樣本對DARMA-CAL方法性能影響分析 704.4.4 DARMA-CAL超參數影響分析 724.4.5 消融實驗 744.4.6 訓練時間對比 754.5 本章小結 75第5章自適應濾波器-聚合器高光譜影像特征提取與分類 775.1 引言 775.2 圖濾波器、聚合器和消息傳遞神經網絡 785.2.1 圖濾波器 785.2.2 圖卷積聚合器 785.2.3 消息傳遞神經網絡 805.3 自適應濾波器和聚合器高光譜影像分類 805.3.1 AF2GNN高光譜影像分類概述 805.3.2 自適應濾波器機制 815.3.3 聚合器融合原理 825.3.4 AF2GNN網絡實現 845.3.5 基于AF2GNN的高光譜影像分類 855.4 實驗結果與分析 875.4.1 實驗設置 885.4.2 分類結果對比分析 885.4.3 AF2GNN超參數影響分析 935.4.4 不同數量的訓練樣本對AF2GNN方法性能影響分析 955.4.5 不同分割模塊影響分析 975.4.6 消融實驗 985.4.7 訓練時間對比分析 985.5 本章小結 99第6章無監督低通圖神經網絡高光譜影像特征提取與聚類 1006.1 引言 1006.2 LGCC方法基本框架 1016.3 無監督低通圖神經網絡高光譜影像聚類 1016.3.1 低通圖卷積自動編碼器 1016.3.2 低通圖卷積嵌入式自動編碼器 1066.3.3 自監督聚類 1076.3.4 聯合嵌入與優化 1086.3.5 像素到區域變換與圖構建 1096.4 實驗結果與分析 1106.4.1 實驗設置 1116.4.2 實驗結果對比分析 1116.4.3 t-分布隨機鄰居嵌入數據分布可視化 1176.4.4 LGCC方法超參數影響分析 1186.4.5 消融實驗 1216.4.6 計算復雜度分析 1216.5 本章小結 122參考文獻 123附錄本書所用數據集 1361. Indian Pines數據集 1362. Kennedy Space Center數據集 1363. Pavia University數據集 1374. Salinas數據集 1375. University of Houston 2013數據集 138

展開全部

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦