LEt-SNE：一种用于高光谱影像数据嵌入与可视化的混合方法
图像与视频处理
2020-05-12 v2 计算机视觉与模式识别
机器学习
摘要
由无人机或卫星捕获的高光谱影像（以及一般的遥感）因其大的空间范围和捕获的波长而在本质上体量巨大。由于分析这些图像需要大量计算时间和算力，已使用各种降维技术进行特征约简。其中一些流行技术应用于高光谱影像时因著名的维数灾难而表现不佳。本文中，我们提出一种新方法LEt-SNE，其将基于图的算法如t-SNE和Laplacian Eigenmaps组合为一个由浅层前馈网络参数化的模型。我们引入一个新术语，压缩因子（Compression Factor），使我们的方法能够对抗维数灾难。所提算法适用于有标签或无标签数据的流形可视化和样本聚类。我们证明我们的方法在公共领域的高光谱遥感数据集上与当前state-of-the-art方法具有竞争力。
引用
@article{arxiv.1910.08790,
title = {LEt-SNE: A Hybrid Approach To Data Embedding and Visualization of Hyperspectral Imagery},
author = {Megh Shukla and Biplab Banerjee and Krishna Mohan Buddhiraju},
journal= {arXiv preprint arXiv:1910.08790},
year = {2020}
}
备注
Accepted, ICASSP 2020