带L1范数的图缩放割用于高光谱图像分类
计算机视觉与模式识别
2017-09-12 v1
摘要
在本文中，我们提出一种用于高光谱图像的基于 L1 范数图的降维方法，称为 L1 缩放割（L1-SC）。该方法的底层思想是通过保留数据的原始分布来生成最优投影矩阵。尽管 L2 范数通常因计算便利而被偏好，但它对噪声和离群点敏感。而 L1 范数对它们具有鲁棒性。因此，我们利用 L1 范数最大化类间离散度与类内离散度之比来获得最优投影矩阵。此外，描述了一种迭代算法来求解该优化问题。高光谱图像（HSI）分类的实验结果证实了所提出的 L1-SC 方法在有噪与无噪数据上的有效性。
引用
@article{arxiv.1709.02920,
title = {Graph Scaling Cut with L1-Norm for Classification of Hyperspectral Images},
author = {Ramanarayan Mohanty and S L Happy and Aurobinda Routray},
journal= {arXiv preprint arXiv:1709.02920},
year = {2017}
}
备注
European Signal Processing Conference 2017