位置：成果数据库 > 期刊 > 期刊详情页
基于蒙特卡罗特征降维算法的小样本高光谱图像分类研究
  • ISSN号：1001-9014
  • 期刊名称：红外与毫米波学报
  • 时间：2013.2.2
  • 页码：62-67
  • 相关项目：基于非线性核映射的高光谱图像异常小目标检测方法研究
作者： 赵春晖, 齐滨, Eunseog Youn|
同期刊论文项目
基于非线性核映射的高光谱图像异常小目标检测方法研究
期刊论文 48 会议论文 7 获奖 4 专利 2 著作 1
同项目期刊论文
基于光谱相似度量的高光谱图像异常检测算法
改进的红外图像神经网络非均匀性校正算法
基于SVM和RVM的高光谱图像分类
Improved region energy based image fusion rule for multi-focus image fusion
Kernel ICA Feature Extraction for Anomaly Detection in Hyperspectral Imagery
基于自适应核方法的正交子空间投影异常检测算法
基于四阶累积量的波段子集高光谱图像异常检测
基于模糊核加权C-均值聚类的高光谱图像分类
一种改进的K-means聚类视觉词典构造方法
一种基于词袋模型的图像优化分类方法
基于小波核主成分分析的相关向量机高光谱图像分类
相关向量机分类方法的研究进展与分析
一种改进的N-FINDR 高光谱端元提取算法
结合光谱解混的高光谱图像异常目标检测SVDD算法
Degradation algorithm of compressive sensing
基于NSCT和PCA变换域的遥感图像融合算法
基于空间4-邻域稀疏表示的高光谱图像目标检测
核加权RX高光谱图像异常检测算法
Improved sparse representation using adaptive spatial support for effective target detection in hype
Use of local fuzzy variance to extract the scattered regions of spatial stray light influence in hyp
基于交织抽取与分块压缩感知策略的图像多描述编码方法
采用选择性分段PCA算法的高光谱图像异常检测
Use of weighting algorithms to improve traditional support vector machine based classifications of r
基于改进型相关向量机的高光谱图像分类
采用PCA初始化EM聚类的高光谱图像异常目标检测算法
利用约束非负矩阵分解的高光谱解混算法
Design and analysis of Hyperspectral Anomaly Detection Based on Kalman Filter Theory
基于LU分解的稀疏目标定位算法
基于最大加权区域互信息的声呐图像检索系统
结合非线性滤波器的形态小波域声呐图像去噪
基于Schmidt正交单位化的稀疏化定位算法
基于分层的多端元光谱解混算法
基于最小二乘支持向量机的线性特征地物亚像元定位
能量约束贝叶斯压缩感知检测算法
合成孔径声呐目标成像算法研究
非线性支持向量机判别阈值的设置
基于视觉注意的光学遥感图像舰船目标检测方法
一种基于BEMD的纹理图像分类改进方法
单通道双MFSK信号调制识别方法
基于模糊集理论的图像增强算法
一种改进的加权L1正则化稀疏光谱解混算法
基于Volterra级数的高光谱图像非线性解混算法
改进的基于交叉熵的语音端点检测算法
Sparse representation-based color visualization method for hyperspectral imaging
结合Gabor滤波和同质性判定的高光谱图像分类
期刊信息
  • 《红外与毫米波学报》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院上海技术物理研究所 中国光学学会
  • 主编：褚君浩
  • 地址：上海市玉田路500号
  • 邮编：200083
  • 邮箱：jimw@mail.sitp.ac.cn
  • 电话：021-25051553
  • 国际标准刊号：ISSN：1001-9014
  • 国内统一刊号：ISSN：31-1577/TN
  • 邮发代号:4-335
  • 获奖情况:
  • 1992、1996年获全国优秀学术期刊一等奖,1999年首届国家期刊奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘（网络版）,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,美国科学引文索引（扩展库）,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊（2004版）,中国北大核心期刊（2008版）,中国北大核心期刊（2011版）,中国北大核心期刊（2014版）,瑞典开放获取期刊指南,中国北大核心期刊（2000版）
  • 被引量:8778