论文部分内容阅读
随着以光谱仪为代表的遥感仪器的快速发展,遥感数据的维度急剧增加。由于数据冗余度高以及维度灾难等问题,遥感数据处理时运算量大、分类效果不佳。针对这一现象,本文提出了一种基于深度学习的超光谱数据降维及分类方法,首先使用深度信念网络对超光谱进行逐层的特征提取和数据降维,然后将降维网络与分类器进行级联以完成光谱分类。为验证所提出的方法,使用先进的傅里叶变换红外光谱仪(FTIR)进行了数据采集实验,并对实测超光谱数据进行了降维分类,结果表明深度学习算法的降维分类效果优于常规降维分类算法。