高光谱数据集实验

实验目的

对Indian pines 和PaviaU两个高光谱数据集中土地覆盖分类的预测

实验原理

首先使用PCA对数据进行降维,然后采用2D卷积神经网络进行训练。在训练之前由于数据集中每类数据的数量差距比较大,首先对数据进行过采样,为了提高训练速度还应进行归一化的操作。

实验流程

  1. 数据预处理

          1.1挑选训练样本

          1.2类平衡处理(过采样)

          1.3 特征归一化

          1.4 特征降维

      2. 训练模型

           2.1 神经网络结构

           2.2 参数设置

           2.3 采用5-fold交叉验证

Indian pines数据预处理与网络结构

高光谱数据集实验_第1张图片

PaviaU数据预处理与网络结构

高光谱数据集实验_第2张图片

实验结果

Indian pines

Overall Accuracy  99.14
Average Accuracy  99.06
Kappa 0.99

Confusion Matrix:

高光谱数据集实验_第3张图片

PaviaU

Overall Accuracy  85.42
Average Accuracy  81.02
Kappa 0.83

高光谱数据集实验_第4张图片

你可能感兴趣的:(机器学习,高光谱,机器学习,Indian,pine,卷积神经网络)