【摘 要】
:
为了减少高光谱图像中的冗余以及进一步挖掘潜在的分类信息,本文提出了一种基于特征重要性的卷积神经网络(convolutional neural networks,CNN)分类模型。首先,利用贝叶斯优化训练得到的随机森林模型(randomforest,RF)对高光谱遥感图像进行特征重要性评估;其次,依据评估结果选择合适数目的高光谱图像波段,以作为新的训练样本;最后,利用三维卷积神经网络对所得样本进行特
【机 构】
:
重庆邮电大学计算机科学与技术学院,重庆市气象科学研究所
【基金项目】
:
国家自然科学基金项目,“城市地表温度降尺度模型及热岛时空演变规律研究”(41871226),重庆市应用开发计划重点项目(cstc2014yykfB30003)